基于VMD与流形学习的齿轮箱故障诊断方法研究

目录

声明

第1章绪论

1.1 课题背景与研究意义

1.2 故障诊断的发展历程及国内外现状

1.2.2故障诊断特征提取的研究现状

1.2.3流形学习的研究现状

1.3 论文主要研究内容

1.4 本章小结

第2章齿轮箱故障机理及特征分析

2.1 齿轮箱的振动机理

2.2 齿轮的振动机理

2.2.2轮齿啮合振动的物理模型

2.3 齿轮振动信号及其故障特征分析

2.3.1以齿轮啮合频率及其谐波为载波的调制

2.3.2以齿轮固有频率为载波的共振调制

2.3.3以齿轮箱壳体固有频率为载波的共振调制

2.4 轴承的振动机理

2.4.2轴承的固有振动

2.4.3轴承各部件的理论故障频率

2.5 本章小结

第3章基于智能优化参数的变分模态分解（VMD）特征提取方法

3.1 基本理论

3.1.1变分模态分解

3.1.2群体智能优化算法

3.1.2信息熵与峭度准则

3.2 基于智能优化参数的 VMD特征提取模型

3.2.1PSO-VMD 模型

3.2.2WOA-VMD 模型

3.2.3相关系数法

3.3 实验信号分析

3.4 本章小结

第4章流形学习及参数选取方法

4.1 流形学习原理及方法

4.1.1等距映射算法（Isomap）

4.1.2局部线性嵌入（LLE）

4.1.3正交局部保持投影（OLPP）

4.2 参数选取优化方法

4.2.1本征维数和邻域值对流形学习的影响

4.2.2基于虚假近邻法的本征维数估计

4.2.3基于LDA的近邻数K值选取

4.3 流形学习算法的仿真实验及分析

4.3.1测试数据仿真实验

4.3.2实验分析

4.4 本章小结

第5章基于VMD 与流形学习的齿轮箱故障诊断方法

5.1 齿轮箱故障诊断实验方案

5.1.2齿轮箱故障模拟实验数据

5.2 基于智能优化参数的 VMD故障特征提取

5.3 多域高维特征空间构建及流形学习算法的应用与分析

5.3.1多域高维特征空间构建

5.3.2流形学习算法应用与分析

5.4 实验结果分析

5.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和获得的科研成果

致谢