| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 滚动轴承故障诊断技术的发展现状 | 第10-12页 |
| 1.3 论文的主要内容 | 第12-13页 |
| 1.4 论文的主要安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 2 离散傅立叶变换的理论基础 | 第15-19页 |
| 2.1 傅里叶变换 | 第15-16页 |
| 2.2 快速傅里叶变换(Fast Fourier Transform，FFT) | 第16-18页 |
| 2.2.1 频域抽取的基2算法 | 第16-17页 |
| 2.2.2 时域抽取的基2算法 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 小波滤波的基本原理和方法 | 第19-40页 |
| 3.1 小波变换的定义 | 第19-21页 |
| 3.2 小波变换的特点 | 第21-22页 |
| 3.3 小波基函数的分类 | 第22-25页 |
| 3.3.1 经典类小波 | 第22-23页 |
| 3.3.2 正交小波 | 第23-25页 |
| 3.3.3 双正交小波 | 第25页 |
| 3.4 分解层的选择 | 第25-26页 |
| 3.5 小波阈值滤波 | 第26-31页 |
| 3.5.1 小波滤波的一般步骤 | 第27页 |
| 3.5.2 阈值函数的选取 | 第27-29页 |
| 3.5.3 阈值的确定 | 第29-31页 |
| 3.6 神经网络基本理论 | 第31-38页 |
| 3.6.1 人工神经网络简介 | 第31页 |
| 3.6.2 人工神经元模型 | 第31-33页 |
| 3.6.3 BP神经网络的结构 | 第33-35页 |
| 3.6.4 BP神经网络的学习算法 | 第35-38页 |
| 3.7 本章小结 | 第38-40页 |
| 4 滚动轴承故障诊断特征参数选取 | 第40-48页 |
| 4.1 滚动轴承故障的形式 | 第41-42页 |
| 4.2 滚动轴承的特征频率 | 第42-44页 |
| 4.3 滚动轴承故障诊断常用参数 | 第44-47页 |
| 4.3.1 时间领域有量纲特征参数 | 第44-45页 |
| 4.3.2 时间领域的无量纲特征参数 | 第45-46页 |
| 4.3.3 频率领域的无量纲特征参数 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 小波神经网络在滚动轴承故障诊断的应用 | 第48-72页 |
| 5.1 数据采集 | 第48-49页 |
| 5.2 FFT数据处理 | 第49-54页 |
| 5.2.1 采集数据的预处理 | 第50页 |
| 5.2.2 FFT变换 | 第50-54页 |
| 5.3 小波变换数据处理 | 第54-62页 |
| 5.3.1 小波基函数的选取 | 第54-57页 |
| 5.3.2 小波分解对信号的处理 | 第57-62页 |
| 5.4 神经网络的设计 | 第62-63页 |
| 5.4.1 输入层节点数的确定 | 第62-63页 |
| 5.4.2 输出层节点数的确定 | 第63页 |
| 5.4.3 隐层节点数的选择 | 第63页 |
| 5.5 软件的实现 | 第63-71页 |
| 5.6 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考 文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 个人简介 | 第79页 |