声明
摘要
1 绪论
1.1 课题研究背景及意义
1.2 齿轮箱诊断技术概述
1.3 国内外研究现状
1.3.1 故障预测方法
1.3.2 故障特征提取方法
1.3.3 故障诊断方法
1.4 课题来源与研究内容
1.5 论文组织结构
2 大型吊装装备齿轮箱故障诊断与预测方案总体设计
2.1 大型吊装装备齿轮传动系统结构及特点
2.2 齿轮箱常见故障及诊断方法
2.2.1 齿轮箱常见故障类型
2.2.2 齿轮箱主要故障原因
2.3 需求分析
2.3.1 技术参数指标
2.3.2 功能需求
2.4 总体方案设计
2.4.1 齿轮箱诊断与预测方法适用性对比与分析
2.4.2 总体方案设计
2.5 本章小结
3 基于组合核函数OSVR算法的齿轮箱状态趋势预测
3.1 常用趋势预测模型及分析
3.2 OSVR基本原理及核函数分析
3.2.1 SVR算法原理
3.2.2 在线支持向量回归
3.2.3 核函数类型及影响
3.3 相空间重构
3.3.1 时间延迟确定
3.3.2 嵌入维数确定
3.4 基于组合核函数OSVR模型的预测算法
3.4.1 算法基本思路
3.4.2 算法具体步骤与流程图
3.4.3 仿真验证
3.5 齿轮箱温度趋势预测
3.5.1 温度数据采集
3.5.2 温度趋势预测与分析
3.6 齿轮箱磨损趋势预测
3.6.1 磨损数据采集
3.6.2 磨损趋势预测与分析
3.7 本章小结
4 基于EMD-CMICA的故障齿轮箱振动信号特征提取
4.1 经验模态分解
4.2 盲源分离和独立成分分析
4.2.1 ICA/BSS基本原理
4.2.2 常见盲源分离方法
4.3 一种基于多阶累积量的ICA算法
4.3.1 高阶统计量及性质
4.3.2 对比函数构造
4.3.3 CMICA算法步骤
4.4 基于EMD的CMICA方法
4.4.1 评价指标
4.4.2 EMD-CMICA方法仿真验证
4.4.3 方法比较分析
4.5 故障特征提取分析
4.5.1 包络谱分析
4.5.2 时频谱分析
4.6 基于EMD-CMICA的故障特征提取方法步骤
4.7 实验验证
4.7.1 实验条件
4.7.2 实验信号特征提取与分析
4.8 本章小结
5 基于高阶累积量谱的齿轮箱故障诊断
5.1 双谱
5.1.1 双谱定义
5.1.2 双谱性质
5.1.3 基于仿真信号的双谱分析
5.2 双谱的特征提取
5.2.1 能量熵定义
5.2.2 双谱能量熵提取
5.2.3 特征向量构造
5.3 基于SVM的故障分类器构造
5.3.1 SVM分类器
5.3.2 SVM多分类器构造
5.4 总体流程图
5.5 实验分析
5.5.1 实验条件
5.5.2 双谱分析
5.5.3 样本的特征提取
5.5.4 SVM故障分类实验
5.5.5 诊断结果分析与对比
5.6 本章小结
6 大型吊装装备齿轮箱故障诊断系统设计
6.1 故障诊断系统设计
6.2 数据采集模块
6.3 数据分析模块
6.3.1 趋势预铡分析模块
6.3.2 时域频域分析模块
6.3.3 特征提取分析模块
6.3.4 故障诊断分析模块
6.3.5 综合诊断决策
6.4 本章小结
7 总结与展望
7.1 全文总结
7.2 工作展望
致谢
参考文献
攻读硕士学位期间发表的论文和出版著作情况
攻读硕士学位期间参加的科学研究情况