声明
学位论文数据集
摘要
第一章 绪论
1.1 课题来源及意义
1.2 齿轮箱故障诊断的研究现状和发展趋势
1.3 论文主要内容及创新点
1.4 论文的结构安排
第二章 齿轮箱振动机理及主要故障形式
2.1 齿轮简化振动模型
2.2 齿轮箱故障主要形式
2.3 齿轮产生故障时的调制现象和边频带特点
2.3.1 齿轮信号边频带特点
2.3.2 齿轮啮合幅值、频率调制现象
2.4 本章小结
第三章 齿轮箱振动信号预处理
3.1 小波变换理论
3.1.1 连续小波变换
3.1.2 离散小波变换
3.1.3 小波变换在故障诊断中的应用
3.2 最佳小波基的选择
3.2.1 主频率能量相关系数法
3.2.2 主频率能量相关系数法的有效性验证
3.3 齿轮信号预处理:小波降噪
3.3.1 小波降噪技术的发展
3.3.2 小波阈值降噪理论
3.3.3 自适应小波阈值降噪
3.4 实验验证和分析
3.4.1 小波降噪性能评价
3.4.2 实验结果分析
3.5 本章小结
第四章 齿轮状态最优特征参数集的构建及评价
4.1 齿轮状态特征参数集的构建
4.1.1 时域统计参数
4.1.2 频域特征参数
4.1.3 功率谱熵特征参数
4.1.4 包络谱特征参数
4.1.5 小波能谱特征参数
4.2 最优特征参数集合的评价
4.2.1 特征参数选择方法概述
4.2.2 改进的距离测度参数评价方法
4.3 实验验证和分析
4.4 本章小结
第五章 智能故障诊断方法
5.1 基于遗传算法优化神经网络的模式识别
5.1.1 BP神经网络
5.1.2 遗传算法优化神经网络
5.1.3 实验验证和分析
5.2 基于蚁群算法的智能模式识别
5.2.1 蚁群算法基本原理
5.2.2 蚁群算法模式识别流程
5.2.3 实验验证和分析
5.3 HMM智能故障模式识别
5.3.1 HMM原理及基本算法
5.3.2 HMM在故障诊断中的应用
5.3.3 标量量化及码级的确定
5.3.4 实验验证及分析
5.4 三种方法故障识别性能比较
5.5 本章小结
第六章 齿轮箱智能诊断系统模块化实现
6.1 系统的总体设计
6.2 各个模块的调试结果
6.3 本章小结
第七章 总结与展望
7.1 研究成果总结
7.2 后续工作展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介