| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题的选题及研究背景 | 第10页 |
| 1.2 课题研究的意义 | 第10-11页 |
| 1.3 起重机齿轮箱故障研究的国内外现状 | 第11-12页 |
| 1.4 本文的主要研究内容 | 第12-14页 |
| 第2章 起重机齿轮箱故障振动信号处理方法 | 第14-23页 |
| 2.1 齿轮振动机理分析 | 第14-17页 |
| 2.1.1 齿轮振动特征频率的计算 | 第16-17页 |
| 2.2 齿轮发生故障时的调制现象和边频带分布特点 | 第17-19页 |
| 2.3 齿轮箱的振动信号的传统处理方法 | 第19-21页 |
| 2.3.1 时域分析法 | 第19页 |
| 2.3.2 频域分析法 | 第19-20页 |
| 2.3.3 时频域分析法及其应用 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 EMD方法的基本理论 | 第23-32页 |
| 3.1 EMD的基本概念及理论 | 第23-27页 |
| 3.1.1 EMD分解实质 | 第23页 |
| 3.1.2 瞬时频率 | 第23-24页 |
| 3.1.3 本征模态函数 | 第24页 |
| 3.1.4 EMD方法筛分过程 | 第24-26页 |
| 3.1.5 EMD方法的算法和流程 | 第26-27页 |
| 3.2 Hilbert频谱分析 | 第27-31页 |
| 3.2.1 Hilbert变换 | 第27-28页 |
| 3.2.2 Hilbert谱和Hilbert边际谱 | 第28-31页 |
| 3.3 EMD方法的特点与问题 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于EMD的起重机齿轮箱故障综合研究 | 第32-49页 |
| 4.1 小波分析 | 第32-36页 |
| 4.1.1 小波分析的基本理论 | 第32-33页 |
| 4.1.2 连续小波变换 | 第33-34页 |
| 4.1.3 离散小波变换 | 第34-36页 |
| 4.2 基于小波去噪和EMD的信号分析方法 | 第36-44页 |
| 4.2.1 噪声对EMD方法的影响 | 第36-39页 |
| 4.2.2 小波去噪 | 第39页 |
| 4.2.3 小波阈值去噪 | 第39-40页 |
| 4.2.4 改进小波阈值去噪 | 第40-43页 |
| 4.2.5 改进小波阈值去噪与EMD相结合 | 第43-44页 |
| 4.3 基于EMD和BP神经网络的故障识别方法 | 第44-48页 |
| 4.3.1 BP神经网络基本理论 | 第45-46页 |
| 4.3.2 故障识别的步骤 | 第46-48页 |
| 4.4 本章总结 | 第48-49页 |
| 第5章 起重机齿轮箱故障诊断试验研究 | 第49-61页 |
| 5.1 齿轮箱故障诊断试验台设计方案 | 第49-51页 |
| 5.1.1 齿轮箱实验系统的组成 | 第49页 |
| 5.1.2 振动测试系统的组成 | 第49-51页 |
| 5.2 齿轮故障实验分析 | 第51-60页 |
| 5.2.1 正常状态下 | 第51-52页 |
| 5.2.2 磨损状态下 | 第52-56页 |
| 5.2.3 断齿状态下 | 第56-58页 |
| 5.2.4 基于BP神经网络的齿轮箱故障识别 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间发表的学术论文 | 第68页 |