| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题研究的背景及意义 | 第12-13页 |
| ·设备故障诊断技术的发展概述 | 第13-16页 |
| ·设备故障诊断的发展历程 | 第13-14页 |
| ·齿轮箱故障机理研究 | 第14页 |
| ·齿轮箱振动信号的处理及特征提取 | 第14-16页 |
| ·时域分析 | 第15-16页 |
| ·频域分析 | 第16页 |
| ·时频分析 | 第16页 |
| ·粒子滤波的发展概述 | 第16-18页 |
| ·粒子滤波的发展现状及其应用 | 第17-18页 |
| ·粒子滤波存在的问题和相关的解决方法 | 第18页 |
| ·本文研究的主要内容及安排 | 第18-20页 |
| 第2章 粒子滤波基本理论及其改进算法的研究 | 第20-38页 |
| ·粒子滤波基本理论 | 第20-24页 |
| ·最优贝叶斯估计原理 | 第21-23页 |
| ·蒙特卡洛方法 | 第23-24页 |
| ·传统粒子滤波算法 | 第24-30页 |
| ·粒子滤波算法 | 第24-29页 |
| ·序贯重要性采样 | 第25-26页 |
| ·采样重要性重采样 | 第26-27页 |
| ·重要性密度函数的选择 | 第27-28页 |
| ·标准粒子滤波算法 | 第28-29页 |
| ·影响粒子滤波算法的相关问题 | 第29-30页 |
| ·基于 RBF 网络优化的粒子滤波原理 | 第30-34页 |
| ·RBF 网络及其学习算法 | 第30-32页 |
| ·RBF 网络优化的粒子滤波算法 | 第32-34页 |
| ·粒子滤波及其改进算法仿真 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第3章 齿轮箱故障诊断实验设计 | 第38-48页 |
| ·数据采集设备 | 第39-40页 |
| ·齿轮的选择 | 第40-41页 |
| ·齿轮裂纹等级的选择 | 第41-43页 |
| ·转速和载荷的选择 | 第43-44页 |
| ·采样频率和采样时间的选择 | 第44-45页 |
| ·实验步骤 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 改进粒子滤波算法在齿轮箱裂纹故障诊断中的应用 | 第48-64页 |
| ·实验振动信号系统模型的建立 | 第48-50页 |
| ·粒子滤波的参数优化 | 第50-54页 |
| ·粒子数目对状态估计的影响 | 第50-51页 |
| ·初始状态和初始状态方差对状态估计的影响 | 第51-52页 |
| ·噪声方差对状态估计的影响 | 第52-54页 |
| ·基于改进粒子滤波降噪的数据预处理 | 第54-63页 |
| ·改进粒子滤波降噪的原理 | 第54页 |
| ·改进粒子滤波降噪仿真验证 | 第54-56页 |
| ·齿轮箱振动信号的数据预处理 | 第56-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 基于小波神经网络的故障状态分类研究 | 第64-74页 |
| ·小波神经网络 | 第64-68页 |
| ·小波神经网络模型 | 第65-66页 |
| ·小波神经网络 BP 算法 | 第66-68页 |
| ·齿轮箱振动信号的特征参数提取 | 第68-71页 |
| ·基于小波神经网络的故障状态分类 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 第6章 总结与展望 | 第74-78页 |
| ·本文研究工作总结 | 第74-75页 |
| ·对未来研究的展望 | 第75-78页 |
| 参考文献 | 第78-84页 |
| 攻读硕士期间已发表的论文 | 第84-86页 |
| 致谢 | 第86-87页 |