基于粒子群优化神经网络的齿轮箱故障诊断研究

1. 绪论	第1-14页
·引言	第9页
·选题的目的和意义	第9-10页
·粒子群优化算法的发展与现状	第10-11页
·齿轮箱故障诊断技术的发展与现状	第11-13页
·齿轮箱故障信息的监测	第11-12页
·振动信号的处理和分析方法	第12页
·基于振动分析的故障诊断方法	第12-13页
·本论文的主要研究内容	第13-14页
2. 粒子群优化算法	第14-30页
·引言	第14-15页
·粒子群优化算法原理	第15-20页
·基本粒子群优化算法	第15-18页
·基本粒子群优化算法的社会行为分析	第18页
·基本粒子群优化算法同步模式与异步模式	第18页
·标准粒子群优化算法	第18-20页
·带惯性权重粒子群优化算法	第18-19页
·带收缩因子粒子群优化算法	第19-20页
·粒子群优化算法的发展	第20-22页
·自适应粒子群优化算法	第20-21页
·混合粒子群优化算法	第21-22页
·粒子群优化算法收敛性分析及参数的选取	第22-29页
·粒子群优化算法收敛条件的导出	第22-27页
·基本粒子群优化算法收敛性分析	第27页
·带收缩因子的粒子群优化算法收敛性分析	第27页
·粒子群优化算法的参数的选取	第27-29页
·粒子群优化算法收敛性分析及参数的选取	第29-30页
3. 粒子群优化算法在人工神经网络中的应用	第30-37页
·人工神经网络	第30-33页
·人工神经网络基本概念	第30-31页
·人工神经网络的类型	第31-32页
·人工神经网络的学习	第32页
·人工神经网络的泛化	第32-33页
·进化计算在的神经网络优化中的应用	第33-34页
·基于粒子群优化的神经网络学习算法	第34-37页
·学习算法的设计	第34-35页
·学习算法的性能评价指标	第35-37页
4. 齿轮箱的故障振动机理及故障特征的提取	第37-46页
·齿轮箱故障机理分析	第37-39页
·齿轮常见的故障形式及产生的原因	第37-38页
·轴承常见的故障形式及产生的原因	第38-39页
·齿轮箱故障特征频率计算	第39-41页
·齿轮的故障特征频率计算	第39-40页
·轴承的故障特征频率计算	第40-41页
·时频域故障特征参量提取	第41-46页
·时域故障特征提取	第41-43页
·频域故障特征提取	第43-46页
5. 基于粒子群优化神经网络的齿轮箱故障诊断方法	第46-60页
·齿轮箱故障诊断实验方案	第46页
·齿轮箱故障的设置及测点的选定	第46-47页
·齿轮箱故障的设置	第46页
·测点的选定	第46-47页
·齿轮箱的故障特征值的选取	第47-50页
·时频域特征值的归一化处理	第50-52页
·粒子群优化神经网络故障诊断算法实现	第52-60页
·粒子群优化神经网络参数的选择	第53页
·粒子群优化神经网络的初始化	第53页
·粒子群优化神经网络的粒子速度更新	第53-54页
·粒子群优化神经网络的粒子位置更新	第54页
·粒子群优化神经网络的适应度值更新	第54-55页
·神经网络的训练与诊断	第55-60页
·神经网络的标准输出	第55-56页
·神经网络的训练结果	第56-60页
6. 结论	第60-61页
参考文献	第61-65页
攻读硕士期间发表的论文	第65-66页
致谢	第66页