| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究意义和目的 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.4 论文研究内容 | 第14-15页 |
| 第二章 粒子群优化算法 | 第15-38页 |
| 2.1 粒子群优化算法的来源及其背景 | 第15页 |
| 2.2 粒子群优化算法 | 第15-31页 |
| 2.2.1 全局型和局部型粒子群优化算法 | 第18-19页 |
| 2.2.2 标准粒子群优化算法 | 第19页 |
| 2.2.3 粒子群优化算法的参数控制 | 第19-28页 |
| 2.2.4 仿真分析 | 第28-31页 |
| 2.2.5 PSO算法的优缺点 | 第31页 |
| 2.3 重组粒子群优化算法 | 第31-37页 |
| 2.3.1 粒子群优化算法“早熟”现象 | 第31-33页 |
| 2.3.2 重组粒子群优化算法 | 第33-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 重组粒子群神经网络故障诊断方法 | 第38-59页 |
| 3.1 BP神经网络 | 第38-43页 |
| 3.1.1 BP神经网络模型 | 第38-39页 |
| 3.1.2 BP算法 | 第39-41页 |
| 3.1.3 仿真分析 | 第41-43页 |
| 3.2 重组粒子群神经网络 | 第43-52页 |
| 3.2.1 编码方式 | 第44-45页 |
| 3.2.2 适应度指标 | 第45页 |
| 3.2.3 初始化方式 | 第45-46页 |
| 3.2.4 诊断流程 | 第46-47页 |
| 3.2.5 仿真分析 | 第47-52页 |
| 3.3 重组粒子群变结构神经网络 | 第52-58页 |
| 3.3.1 编码方式 | 第52-53页 |
| 3.3.2 适应度指标 | 第53-54页 |
| 3.3.3 重组粒子群变结构神经网络诊断模型 | 第54-55页 |
| 3.3.4 仿真分析 | 第55-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第四章 变速器故障诊断 | 第59-69页 |
| 4.1 变速器故障试验 | 第59-61页 |
| 4.2 振动信号时域和频域分析 | 第61-64页 |
| 4.2.1 齿轮故障 | 第61-62页 |
| 4.2.2 耦合故障 | 第62-64页 |
| 4.3 基于重组粒子群变结构神经网络的齿轮故障诊断 | 第64-68页 |
| 4.3.1 齿轮故障诊断 | 第64-66页 |
| 4.3.2 耦合故障诊断 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |