声明
致谢
变量注释表
1 绪论
1.1选题背景
1.2研究现状
1.2.1基于振动监测技术的齿轮箱故障诊断研究
1.2.2 基于油液分析技术的齿轮箱故障诊断研究
1.2.3 基于信息融合技术的齿轮箱多参数故障诊断方法研究
1.3研究意义
1.4研究内容
1.5 本章小结
2基于振动监测和油液分析的齿轮箱故障诊断机理研究
(2)齿面点蚀与剥落
(4)齿面塑性变形
2.2 基于振动监测的齿轮箱故障诊断原理
2.2.1齿轮箱振动监测机理及其信号特征
2.2.2时域幅值分析法
2.2.3频域特征分析法
2.3基于油液分析的齿轮箱故障诊断原理
2.3.1 齿轮箱的油液分析机理
2.3.2 油液理化性能分析
2.3.3磨粒定量分析技术
2.3.4磨粒定性分析技术
2.4齿轮箱多参数状态监测方案的建立
2.5 本章小结
3 齿轮箱故障模拟与综合监测实验研究
3.1齿轮箱故障模拟与综合监测实验的基本思路
3.2齿轮箱故障模拟实验
3.2.2齿轮磨损故障工况模拟实验方案
3.3振动监测实验
3.3.1 齿轮箱振动监测系统构建
3.3.2测点和安装方式
3.3.3齿轮箱故障振动特征参数提取
3.4油液分析实验
3.4.1齿轮箱油液分析系统构建
3.4.2油液取样方案规划
3.4.3 油样理化特征参数提取
3.4.4 油样磨粒特征分析
3.5 本章小结
4 基于BP神经网络的齿轮箱多参数故障诊断基础模型构建
4.1人工神经网络与故障诊断
4.2 基于 BP 神经网络的故障诊断模型建模原理
4.2.1 人工神经网络基础
4.2.2 BP神经网络模型基础
4.3 基于 BP 神经网络的齿轮箱多参数故障诊断基础模型
4.3.1 BP神经网络设计
4.3.2 齿轮箱多参数故障诊断基础模型的仿真和训练
5 基于遗传算法的齿轮箱多参数故障诊断模型优化研究
5.1基于遗传算法的BP神经网络优化方法原理
5.2 基于遗传算法的 BP 神经网络优化方法实现
5.2.1 基于遗传算法的BP神经网络优化算法框架设计
5.2.2 优化算子设计
5.3基于GA-BP神经网络的齿轮箱多参数故障诊断模型仿真及其性能分析
5.3.1GA-BP神经网络的仿真建模
5.3.2优化前后齿轮箱多参数故障诊断模型性能对比分析试验
5.4 本章小结
6 总结与展望
6.1 主要结论
6.2工作展望
参考文献
附录1
附录2
作者简历
学位论文原创性声明
学位论文数据集