摘要
ABSTRACT
第一章 绪论
1.1 选题背景与意义
1.2 故障诊断的进展与现状
1.3 齿轮传动系统的混合智能故障诊断
1.4 论文内容和组织结构
第二章 齿轮传动系统故障物理模拟与数据预处理
2.1 齿轮传动系统故障分析
2.1.1 齿轮磨损及断齿故障振动分析
2.1.2 轴承故障振动分析
2.2 典型齿轮传动系统故障的物理模拟
2.2.1 实验系统
2.2.2 振动数据采集系统
2.2.3 测点位置的选择
2.2.4 齿轮传动系统故障模拟
2.3 基于小波分析的齿轮传动系统数据预处理
2.3.1 理论基础
2.3.2 小波消噪原理
2.3.3 小波消噪仿真分析
2.3.4 齿轮传动系统数据的小波消噪分析
2.4 本章小结
第三章 齿轮传动系统故障数据分析
3.1 齿轮传动实验数据的频域分析
3.2 齿轮传动实验数据的STFT 分析
3.3 基于小波分析的齿轮传动系统特征提取技术
3.3.1 适于齿轮传动系统信号分析的小波函数选择
3.3.2 齿轮传动实验数据的小波包分析
3.4 齿轮传动系统故障智能EMD 分解
3.4.1 瞬时频率
3.4.2 本征模函数(IMF)
3.4.3 EMD 方法实现过程
3.4.4 Hilbert 边际谱
3.4.5 实现EMD 方法的技术难点
3.4.6 智能EMD 分解
3.5 实测故障信号的智能EMD 分析
3.5.1 正常信号的智能EMD 分析
3.5.2 齿面磨损和断齿故障信号的智能EMD 分析
3.5.3 轴承外圈故障和内圈故障信号的智能EMD 分解
3.6 齿轮传动系统故障特征提取结果分析
3.7 本章小结
第四章 基于混合智能的齿轮传动系统故障识别技术
4.1 混合智能系统模式
4.2 粗糙-免疫遗传-BP 神经网络混合智能系统总体框架
4.3 粗糙集子系统
4.3.1 粗糙集在故障诊断中的应用
4.3.2 粗糙集
4.3.3 粗糙集属性约简
4.3.4 齿轮传动系统故障特征约简
4.4 免疫遗传-改进BP 神经网络子系统
4.4.1 应用神经网络的故障诊断技术
4.4.2 改变误差信号的BP 神经网络
4.4.3 免疫遗传混合神经网络
4.4.4 免疫遗传混合神经网络的仿真实验
4.5 粗糙-免疫遗传-BP 神经网络混合智能故障识别过程
4.6 本章小结
第五章 齿轮传动系统集成故障诊断技术
5.1 信息融合的概念
5.2 D-S 证据理论
5.2.1 D-S 证据理论的基本概念
5.2.2 D-S 证据理论的组合规则
5.2.3 目标模式判定规则
5.3 多特征提取方法的集成
5.4 本章小结
第六章 主要结论与展望
6.1 本文主要研究工作
6.2 主要创新点
6.3 有待继续研究的课题
致谢
参考文献
攻读博士学位期间发表的学术论文
攻读博士学位期间的科研情况