| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.1.1 课题研究背景 | 第9页 |
| 1.1.2 选题研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 故障诊断技术研究现状 | 第10页 |
| 1.2.2 信号处理方法的研究 | 第10-11页 |
| 1.2.3 故障特征提取技术的研究 | 第11页 |
| 1.2.4 故障模式识别技术的研究 | 第11-12页 |
| 1.3 本论文的研究内容 | 第12-15页 |
| 第2章 复合故障的振动机理及故障振动模型 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 齿轮箱中各部件故障比例 | 第15页 |
| 2.3 齿轮振动机理及故障类型 | 第15-18页 |
| 2.3.1 齿轮振动机理 | 第15-16页 |
| 2.3.2 齿轮故障的产生原因及故障类型 | 第16-17页 |
| 2.3.3 齿轮故障特征频率 | 第17-18页 |
| 2.4 滚动轴承振动机理及故障类型 | 第18-21页 |
| 2.4.1 滚动轴承振动机理 | 第18-19页 |
| 2.4.2 滚动轴承故障类型 | 第19-20页 |
| 2.4.3 滚动轴承的故障特征频率 | 第20-21页 |
| 2.5 复合故障信号的振动模型 | 第21-23页 |
| 2.5.1 齿轮故障振动模型 | 第21-22页 |
| 2.5.2 轴承故障振动模型 | 第22页 |
| 2.5.3 复合故障振动模型 | 第22-23页 |
| 2.6 本章小结 | 第23-25页 |
| 第3章 复合故障信号采集系统的搭建 | 第25-37页 |
| 3.1 引言 | 第25页 |
| 3.2 复合故障信号采集系统 | 第25-33页 |
| 3.2.1 故障模拟平台的主要参数 | 第26-27页 |
| 3.2.2 压电加速度传感器的选择与介绍 | 第27-29页 |
| 3.2.3 数据采集器的介绍 | 第29-30页 |
| 3.2.4 设备状态检测系统EMC | 第30-31页 |
| 3.2.5 分析处理软件MATLAB | 第31-33页 |
| 3.3 实验验证 | 第33-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 基于有理分段三次Hermite插值的LMD方法 | 第37-51页 |
| 4.1 引言 | 第37页 |
| 4.2 局部均值分解LMD | 第37-39页 |
| 4.3 基于有理分段三次Hermite插值的LMD方法 | 第39-42页 |
| 4.3.1 有理分段三次Hermite插值法 | 第39-40页 |
| 4.3.2 最优参数区间的确定 | 第40-41页 |
| 4.3.3 有理分段三次Hermite插值的LMD算法 | 第41-42页 |
| 4.4 仿真分析 | 第42-45页 |
| 4.5 实验研究 | 第45-49页 |
| 4.5.1 滚动轴承外圈与小齿轮的复合故障分解 | 第45-47页 |
| 4.5.2 滚动轴承内圈与小齿轮的复合故障分解 | 第47-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第5章 基于切片双谱的复合故障特征提取方法 | 第51-57页 |
| 5.1 引言 | 第51页 |
| 5.2 切片双谱 | 第51页 |
| 5.3 仿真分析 | 第51-54页 |
| 5.4 实验研究 | 第54-56页 |
| 5.4.1 滚动轴承外圈与小齿轮的复合故障特征提取 | 第54-55页 |
| 5.4.2 滚动轴承内圈与小齿轮的复合故障特征提取 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 基于SOM-BP神经网络的复合故障识别方法 | 第57-65页 |
| 6.1 引言 | 第57页 |
| 6.2 SOM神经网络结构与算法 | 第57-58页 |
| 6.3 BP神经网络结构与算法 | 第58-59页 |
| 6.4 SOM-BP复合神经网络的构建 | 第59-60页 |
| 6.5 SOM-BP复合神经网络的应用 | 第60-63页 |
| 6.6 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间所发表的论文 | 第73-75页 |
| 致谢 | 第75页 |
