符号表
第1章 绪 论
1.1 课题背景及研究的目的和意义
1.2 齿轮的失效形式以及故障信号的特性
1.2.1 齿轮的失效形式
1.2.2 齿轮故障振动信号特性分析
1.2.3 齿轮早期故障特性分析
1.3 课题相关方法国内外研究概况
1.3.1 齿轮箱的动力学建模方法研究现状
1.3.2 齿轮箱特征提取方法研究现状
1.3.3 形态学在齿轮箱早期故障诊断中的研究现状
1.4 本文组织结构与研究内容
1.4.1 本文组织结构
1.4.2 本文主要研究内容
第2章 基于动力学的齿轮局部点蚀故障模型
2.1 引言
2.2 齿轮啮合刚度计算
2.2.1 正常状态下的啮合刚度计算
2.2.2 故障状态下的啮合刚度计算
2.3 齿轮箱的动力学建模
2.4 齿轮箱仿真结果及分析
2.4.1 齿轮箱正常状态下的仿真分析及验证
2.4.2 齿轮箱点蚀故障仿真分析
2.4.3 齿轮箱点蚀故障特性分析
2.5 本章小结
第3章 基于自适应排列熵的齿轮箱故障类型特征提取方法
3.1 引言
3.2 排列熵和多尺度排列熵
3.2.1 排列熵
3.2.2 排列熵最优参数的选择
3.2.3 多尺度排列熵
3.3 自适应排列熵及仿真分析
3.3.1 局部均值分解
3.3.2 自适应排列熵
3.3.3 仿真对比分析
3.4 基于APE和ELM的齿轮箱故障类型识别
3.4.1 极限学习机
3.4.2 基于APE和ELM的齿轮箱故障类型识别流程
3.4.3 实验验证和分析
3.5 本章小结
第4章 基于广义复合多尺度模糊熵的齿轮故障程度特征提取方法
4.1 引言
4.2 模糊熵相关理论
4.2.1 样本熵和模糊熵
4.2.2 多尺度模糊熵
4.3 广义复合多尺度模糊熵及仿真分析
4.3.1 广义复合多尺度模糊熵
4.3.2 GCMFE参数选择
4.3.3 仿真对比分析
4.4 基于GCMFE和LS的齿轮箱不同故障程度识别
4.4.1 基于拉普拉斯分值的特征优选
4.4.2 基于GCMFE、LS和ELM齿轮箱故障程度识别流程
4.4.3 实验验证和分析
4.5 本章小结
第5章 基于EEMD和IAMMA的齿轮箱早期故障诊断方法
5.1 引言
5.2 集合经验模态分解算法及仿真分析
5.2.1 集合经验模态分解算法
5.2.2 IMF分量优选
5.2.3 仿真验证
5.3 改进自适应多尺度形态学方法及仿真分析
5.3.1 形态学
5.3.2 多尺度形态学
5.3.3 改进的自适应多尺度形态学
5.3.4 仿真验证分析
5.3.5 基于EEMD和IAMMA的齿轮箱早期故障诊断流程
5.4 齿轮箱早期故障诊断
5.4.1 实验验证一：齿轮箱早期磨损故障诊断
5.4.2 实验验证二：齿轮箱早期裂纹故障诊断
5.5 本章小结
结论
参考文献
攻读博士学位期间发表的学术论文
声明
致谢
个人简历
