| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-15页 |
| ·本课题研究的背景 | 第10-11页 |
| ·相关领域的发展及研究现状 | 第11-13页 |
| ·滚动轴承故障诊断发展及研究方法 | 第11页 |
| ·滚动轴承故障诊断的研究方法 | 第11-13页 |
| ·神经网络在故障诊断中的应用及发展现状 | 第13页 |
| ·本课题研究内容 | 第13-15页 |
| 2 滚动轴承故障诊断实验数据获取 | 第15-23页 |
| ·人工神经网络模型选取与介绍 | 第15-16页 |
| ·人工神经网络的特点 | 第15页 |
| ·人工神经网络特征 | 第15页 |
| ·人工神经网络模型 | 第15-16页 |
| ·选取 BP神经网络做故障诊断的意义 | 第16页 |
| ·滚动轴承故障分析 | 第16-18页 |
| ·滚动轴承的组成及结构 | 第16-17页 |
| ·滚动轴承故障分析 | 第17-18页 |
| ·振动信号的采集 | 第18-22页 |
| ·滚动轴承的故障加工 | 第18页 |
| ·实验台的搭建 | 第18-19页 |
| ·数据采集 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于 MIV算法和时/频域方法的滚动轴承故障特征参量的选取 | 第23-59页 |
| ·振动信号的特征参量简介 | 第23-24页 |
| ·敏感特征参量的选取 | 第24-29页 |
| ·特征参数选取的意义 | 第24-25页 |
| ·敏感性特征参数的选取原则 | 第25-26页 |
| ·敏感性特征参量选取方法 | 第26-29页 |
| ·滚动轴承故障的敏感特征参量的选取实验仿真 | 第29-57页 |
| ·故障敏感特征参数选取的数据样本介绍 | 第29-30页 |
| ·特征参数选取的实验程序设计与分析 | 第30-38页 |
| ·基于 MIV法的特征向量选取结果 | 第38-41页 |
| ·基于时域/频域方法的敏感特征参量的确定 | 第41-57页 |
| ·本章小结 | 第57-59页 |
| 4 BP神经网络的结构设计与分析 | 第59-71页 |
| ·BP神经网络结构的基本参数设定 | 第59-63页 |
| ·激活函数介绍与选取 | 第59-61页 |
| ·学习算法介绍与选取 | 第61页 |
| ·数据预处理方法介绍与选取 | 第61-62页 |
| ·神经网络层数的设置 | 第62页 |
| ·初始权值的选取 | 第62-63页 |
| ·期望误差的选取 | 第63页 |
| ·网络结构参数的设置对网络性能的影响 | 第63-69页 |
| ·输入神经元的个数的设定以及对网络性能的影响分析 | 第63-65页 |
| ·隐层节点数的设置以及对网络性能的影响 | 第65-66页 |
| ·网络学习率的设置以及对网络性能的影响 | 第66-69页 |
| ·训练次数设置与网络性能的关系 | 第69页 |
| ·本章小结 | 第69-71页 |
| 5 基于 BP神经网络的故障诊断仿真实验 | 第71-77页 |
| ·实验平台简介 | 第71页 |
| ·故障诊断的样本简介 | 第71页 |
| ·BP神经网络的训练 | 第71-73页 |
| ·BP神经网络的故障诊断 | 第73-75页 |
| ·故障诊断准确率的求取 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 6 结论与展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 作者简历 | 第82-84页 |
| 学位论文数据集 | 第84页 |