| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题背景与意义 | 第10页 |
| 1.2 齿轮箱故障诊断的国内外研究现状 | 第10-12页 |
| 1.3 齿轮箱的故障类型及其产生的原因 | 第12-14页 |
| 1.4 齿轮箱故障的振动信号处理方法 | 第14-15页 |
| 1.5 本课题研究的主要内容 | 第15-17页 |
| 第2章 基于局部均值分解的齿轮箱故障诊断研究 | 第17-36页 |
| 2.1 HHT方法 | 第17-18页 |
| 2.1.1 EMD方法 | 第17-18页 |
| 2.1.2 Hilbert变换 | 第18页 |
| 2.2 LMD方法 | 第18-22页 |
| 2.2.1 LMD方法过程 | 第18-22页 |
| 2.2.2 端点效应的评价指标 | 第22页 |
| 2.3 局部均值分解与其他时频分析方法的比较 | 第22-27页 |
| 2.3.1 与传统时频分析方法的比较 | 第22-25页 |
| 2.3.2 与HHT方法的比较 | 第25-27页 |
| 2.4 基于局部均值分解的Wigner-Ville分布 | 第27-30页 |
| 2.4.1 Wigner-Ville分布 | 第27页 |
| 2.4.2 基于局部均值分解的Wigner-Ville分布 | 第27-28页 |
| 2.4.3 仿真信号分析 | 第28-30页 |
| 2.5 齿轮箱故障的模拟实验研究 | 第30-35页 |
| 2.5.1 齿轮故障信号的特征频率分析 | 第30-31页 |
| 2.5.2 齿轮故障信号的频谱分析 | 第31-33页 |
| 2.5.3 LMD-AWVD方法在齿轮故障诊断中的应用 | 第33-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 基于固有时间尺度分解的齿轮箱故障诊断研究 | 第36-51页 |
| 3.1 EITD方法 | 第36-41页 |
| 3.1.1 原始ITD方法 | 第36-37页 |
| 3.1.2 EITD方法 | 第37-38页 |
| 3.1.3 基于EITD方法的仿真信号分析 | 第38-41页 |
| 3.2 数学形态滤波 | 第41-44页 |
| 3.2.1 形态滤波基本原理 | 第41-43页 |
| 3.2.2 结构元素的选择 | 第43页 |
| 3.2.3 组合形态滤波器的降噪性能分析 | 第43-44页 |
| 3.3 奇异值分解 | 第44页 |
| 3.4 形态奇异值熵 | 第44-45页 |
| 3.5 基于形态奇异值熵和SVM的齿轮故障诊断方法 | 第45-46页 |
| 3.6 实验分析 | 第46-49页 |
| 3.7 本章小结 | 第49-51页 |
| 第4章 基于固有时间尺度分解的风力发电机组齿轮箱故障诊断研究 | 第51-63页 |
| 4.1 风力发电机组齿轮箱故障的实例分析研究 | 第51-56页 |
| 4.1.1 风力发电机组传动系统的特征频率分析 | 第51-55页 |
| 4.1.2 风机齿轮振动信号的频谱分析 | 第55-56页 |
| 4.2 小波包变换 | 第56-57页 |
| 4.3 基于小波包的EITD风机齿轮箱故障诊断方法 | 第57-58页 |
| 4.4 基于小波包的EITD在风机齿轮箱故障诊断中的应用 | 第58-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 结论与展望 | 第63-65页 |
| 5.1 结论 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-70页 |
| 致谢 | 第70页 |
