| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-15页 |
| ·故障诊断的意义 | 第10页 |
| ·故障诊断技术的研究现状 | 第10-11页 |
| ·故障诊断方法概述 | 第11-12页 |
| ·MATLAB 仿真平台简介 | 第12-13页 |
| ·论文的研究内容 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 故障信号的采集 | 第15-18页 |
| ·仪器简介 | 第15页 |
| ·实验方案设计 | 第15-17页 |
| ·实验装置构成 | 第15-16页 |
| ·应用软件介绍 | 第16-17页 |
| ·故障信号的数据采集 | 第17-18页 |
| 第3章 小波分析及信号处理 | 第18-30页 |
| ·小波分析在信号处理中的应用现状 | 第18-19页 |
| ·小波分析理论 | 第19-21页 |
| ·小波分析的基本概念及特点 | 第19-20页 |
| ·多分辨率分析 | 第20-21页 |
| ·小波包分析 | 第21-22页 |
| ·小波包的定义 | 第21页 |
| ·小波包的子空间分解 | 第21页 |
| ·小波包的分解与重构算法 | 第21-22页 |
| ·小波基函数的选择 | 第22-24页 |
| ·信号的小波包降噪 | 第24-27页 |
| ·小波包降噪的方法和步骤 | 第24-25页 |
| ·降噪效果的评价标准 | 第25-26页 |
| ·故障信号的小波包降噪 | 第26-27页 |
| ·故障信号的特征提取 | 第27-30页 |
| 第4章 BP 神经网络及在故障诊断中的应用 | 第30-40页 |
| ·人工神经网络在故障诊断中的应用现状 | 第30页 |
| ·BP神经网络 | 第30-33页 |
| ·BP 神经网络的结构 | 第30-31页 |
| ·BP 算法描述 | 第31-33页 |
| ·BP 神经网络的优缺点 | 第33页 |
| ·BP 神经网络的设计 | 第33-36页 |
| ·学习样本的确定 | 第33-34页 |
| ·网络层数的考虑 | 第34页 |
| ·输入、输出和隐含层的设计 | 第34-35页 |
| ·激励函数的选择 | 第35页 |
| ·网络初始值的选取 | 第35页 |
| ·学习算法的选择 | 第35页 |
| ·学习速率 | 第35-36页 |
| ·训练停止条件 | 第36页 |
| ·BP 神经网络在故障诊断中的应用 | 第36-39页 |
| ·BP 神经网络故障诊断结果分析 | 第39-40页 |
| 第5章 GA+BP神经网络及其在故障诊断中的应用 | 第40-56页 |
| ·遗传算法简介 | 第40页 |
| ·标准遗传算法 | 第40-41页 |
| ·遗传算法的特点 | 第41-42页 |
| ·GA+BP 算法设计 | 第42-51页 |
| ·遗传编码与解码 | 第42-45页 |
| ·适应度函数的设计 | 第45页 |
| ·遗传算子的设计 | 第45-48页 |
| ·控制参数的选择 | 第48-50页 |
| ·GA+BP 算法的步骤 | 第50-51页 |
| ·GA+BP 神经网络在故障诊断中的应用 | 第51-54页 |
| ·网络的设计 | 第51-52页 |
| ·故障诊断仿真实验 | 第52-54页 |
| ·故障诊断结果分析 | 第54页 |
| ·BP 神经网络与GA+BP 神经网络故障诊断结果对比分析 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间取得的成果 | 第62-63页 |
| 致谢 | 第63页 |