遗传算法与RBF神经网络融合技术应用于微车后桥故障诊断
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·选题背景与意义 | 第9-10页 |
| ·国内外研究的现状 | 第10-11页 |
| ·课题目的与来源 | 第11页 |
| ·论文的研究内容与结构安排 | 第11-13页 |
| 第2章 微车后桥齿轮故障诊断研究综述 | 第13-22页 |
| ·后桥的基本组成 | 第13页 |
| ·齿轮故障的主要形式 | 第13-14页 |
| ·齿轮振动特性及故障产生机理 | 第14-15页 |
| ·振动信号的时频域分析及统计特征参数 | 第15-21页 |
| ·时域分析及统计特征参数 | 第15-18页 |
| ·频域分析及统计特征参数 | 第18-20页 |
| ·其他分析方法 | 第20-21页 |
| ·齿轮故障诊断的方法 | 第21页 |
| ·齿轮故障诊断的步骤 | 第21页 |
| ·本课题拟采取的诊断思路 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 RBF神经网络及其算法研究 | 第22-32页 |
| ·人工神经网络概述 | 第22-25页 |
| ·人工神经网络的发展背景 | 第22-23页 |
| ·人工神经网络的组成结构及分类 | 第23-24页 |
| ·人工神经网络的特征及应用方向 | 第24-25页 |
| ·径向基函数(RBF)神经网络 | 第25-31页 |
| ·径向基函数网络的结构 | 第25-27页 |
| ·径向基函数网络的学习规则 | 第27-29页 |
| ·径向基函数网络的优点及存在的问题 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 遗传算法与RBF神经网络融合技术 | 第32-51页 |
| ·遗传算法 | 第32-35页 |
| ·遗传算法基本概念和算法流程 | 第32-35页 |
| ·遗传算法的特点 | 第35页 |
| ·遗传算法与RBF神经网络的融合 | 第35-46页 |
| ·遗传算法和RBF网络融合的必要性 | 第35-36页 |
| ·遗传算法优化RBF网络学习算法的思路 | 第36-37页 |
| ·对交叉和变异概率计算方法的改进 | 第37-40页 |
| ·RBF网络隐节点中心值和宽度参数的学习算法 | 第40-41页 |
| ·编码方案和适应度函数的确定 | 第41-42页 |
| ·遗传操作算子的选定 | 第42-43页 |
| ·算法流程 | 第43-46页 |
| ·融合技术的算法测试 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 融合技术在后桥齿轮故障诊断中的应用与分析 | 第51-63页 |
| ·齿轮故障的神经网络诊断原理 | 第51-52页 |
| ·齿轮振动信号的采集实验平台 | 第52-54页 |
| ·齿轮振动信号的特征提取 | 第54-57页 |
| ·数据消噪 | 第54-55页 |
| ·提取特征向量并归一化 | 第55-57页 |
| ·应用遗传RBF神经网络进行后桥齿轮故障诊断 | 第57-60页 |
| ·RBF神经网络结构模型的设计 | 第57-58页 |
| ·遗传算法的参数设置 | 第58页 |
| ·应用该算法进行齿轮故障诊断 | 第58-60页 |
| ·本文算法与其他算法的比较 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·全文工作总结 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
