| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-28页 |
| ·选题背景与意义 | 第13-14页 |
| ·故障诊断的进展与现状 | 第14-23页 |
| ·齿轮传动系统的混合智能故障诊断 | 第23-25页 |
| ·论文内容和组织结构 | 第25-28页 |
| 第二章 齿轮传动系统故障物理模拟与数据预处理 | 第28-43页 |
| ·齿轮传动系统故障分析 | 第28-30页 |
| ·齿轮磨损及断齿故障振动分析 | 第28-29页 |
| ·轴承故障振动分析 | 第29-30页 |
| ·典型齿轮传动系统故障的物理模拟 | 第30-36页 |
| ·实验系统 | 第31-32页 |
| ·振动数据采集系统 | 第32-33页 |
| ·测点位置的选择 | 第33-34页 |
| ·齿轮传动系统故障模拟 | 第34-36页 |
| ·基于小波分析的齿轮传动系统数据预处理 | 第36-41页 |
| ·理论基础 | 第36-38页 |
| ·小波消噪原理 | 第38-39页 |
| ·小波消噪仿真分析 | 第39页 |
| ·齿轮传动系统数据的小波消噪分析 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第三章 齿轮传动系统故障数据分析 | 第43-65页 |
| ·齿轮传动实验数据的频域分析 | 第43-44页 |
| ·齿轮传动实验数据的STFT 分析 | 第44-46页 |
| ·基于小波分析的齿轮传动系统特征提取技术 | 第46-51页 |
| ·适于齿轮传动系统信号分析的小波函数选择 | 第46-47页 |
| ·齿轮传动实验数据的小波包分析 | 第47-51页 |
| ·齿轮传动系统故障智能EMD 分解 | 第51-60页 |
| ·瞬时频率 | 第51页 |
| ·本征模函数(IMF) | 第51-52页 |
| ·EMD 方法实现过程 | 第52-53页 |
| ·Hilbert 边际谱 | 第53-54页 |
| ·实现EMD 方法的技术难点 | 第54-55页 |
| ·智能EMD 分解 | 第55-60页 |
| ·实测故障信号的智能EMD 分析 | 第60-62页 |
| ·正常信号的智能EMD 分析 | 第60-61页 |
| ·齿面磨损和断齿故障信号的智能EMD 分析 | 第61-62页 |
| ·轴承外圈故障和内圈故障信号的智能EMD 分解 | 第62页 |
| ·齿轮传动系统故障特征提取结果分析 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第四章 基于混合智能的齿轮传动系统故障识别技术 | 第65-94页 |
| ·混合智能系统模式 | 第65-68页 |
| ·粗糙-免疫遗传-BP 神经网络混合智能系统总体框架 | 第68-69页 |
| ·粗糙集子系统 | 第69-74页 |
| ·粗糙集在故障诊断中的应用 | 第69-70页 |
| ·粗糙集 | 第70-73页 |
| ·粗糙集属性约简 | 第73页 |
| ·齿轮传动系统故障特征约简 | 第73-74页 |
| ·免疫遗传-改进BP 神经网络子系统 | 第74-90页 |
| ·应用神经网络的故障诊断技术 | 第74-76页 |
| ·改变误差信号的BP 神经网络 | 第76-79页 |
| ·免疫遗传混合神经网络 | 第79-89页 |
| ·免疫遗传混合神经网络的仿真实验 | 第89-90页 |
| ·粗糙-免疫遗传-BP 神经网络混合智能故障识别过程 | 第90-92页 |
| ·本章小结 | 第92-94页 |
| 第五章 齿轮传动系统集成故障诊断技术 | 第94-103页 |
| ·信息融合的概念 | 第94-95页 |
| ·D-S 证据理论 | 第95-98页 |
| ·D-S 证据理论的基本概念 | 第96-97页 |
| ·D-S 证据理论的组合规则 | 第97-98页 |
| ·目标模式判定规则 | 第98页 |
| ·多特征提取方法的集成 | 第98-101页 |
| ·本章小结 | 第101-103页 |
| 第六章 主要结论与展望 | 第103-106页 |
| ·本文主要研究工作 | 第103-104页 |
| ·主要创新点 | 第104页 |
| ·有待继续研究的课题 | 第104-106页 |
| 致谢 | 第106-107页 |
| 参考文献 | 第107-115页 |
| 攻读博士学位期间发表的学术论文 | 第115-116页 |
| 攻读博士学位期间的科研情况 | 第116-118页 |