声明
摘要
1 绪论
1.1 课题来源、研究目的及意义
1.1.1 课题来源
1.1.2 研究意义
1.2 变速箱故障诊断技术研究发展现状
1.2.1 机械设备故障诊断技术发展
1.2.2 车辆变速箱故障诊断技术的发展
1.2.3 变速箱故障诊断应用技术研究与发展方向
1.3 信息融合技术故障诊断方法概述
1.3.1 信息融合技术诊断简介
1.3.2 信息融合技术国内外发展现状
1.4 旋转机械设备故障诊断关键技术研究现状
1.5 论文研究内容和框架
1.5.1 本文研究内容
2 变速箱振动机理分析与台架实验
2.1 某特种装甲车变速箱结构
2.2.1 齿轮的故障机理分析
2.2.1 滚动轴承故障机理分析失效形式
2.3 变速箱故障诊断实验
2.3.1 实验目的和原理
2.3.2 实验件台的搭建
2.3.3 实验数据的采集
2.4 实验数据的预处理与时频分析
2.4.1 实验数据的预处理和消躁
2.4.2 变速箱故障频率计算和实验数据的时频分析
2.4.3 变速箱强冲击环境下模拟分析
2.5 本章小结
3 基于改进的LMD分解法的故障诊断研究
3.1 LMD分解的基本原理
3.1.1 LMD算法简介
3.1.2 仿真信号分解
3.2 局部均值分解方法的改进与能量算子解调的故障诊断方法
3.2.1 局部均值分解方法的改进
3.2.2 Teager能量算子调解原理
3.2.2 能量算子解调的故障诊断方法实验研究
3.5 基于改进LMD和L-V指标的轴承径向磨损程度识别
3.5.1 Lempel-Ziv复杂度
3.5.2 轴承径向磨损程度识别
3.6 本章小结
4 基于神经网络的单传感器局部智能故障诊断研究
4.1 引言
4.1.1 人工神经元模型原理
4.2 人工神经网络的建模
4.2.1 误差反向传播神经网络(BP)
4.2.2 RBF神经网络
4.2.3 网络算法优化和改进
4.4.4 诊断网络参数的设置和模型构建
4.3 变速箱故障特征提取
4.3.1 故障特征参数选取的原则
4.3.2 时频特征参数
4.3.3 基于小波分解的特征向量提取
4.3.4 基于LMD分解的特征向量提取
4.4 局部诊断实验研究
4.5 本章小结
5 基于改进D-S加权证据理论的多传感器信息融合诊断决策研究
5.1 引言
5.2 证据理论基础
5.2.1 D-S证据理论基本内涵
5.2.2 D-S证据理论的决策方法
5.3 D-S证据理加权改进
5.3.1 现有理论存在的不足
5.3.2 证据理论的加权改进
5.4 基于加权证据理论的融合故障诊断方法
5.4.1 诊断系统结构框架
5.4.2 诊断具体实现步骤
5.5 决策融合在变速箱故障诊断中的实际应用
5.6 本章小结
6 结论与展望
6.1 本文主要内容和创新点
6.2 研究工作展望
参考文献
攻读学位期间主要的研究成果
致谢