| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 故障诊断技术 | 第10页 |
| 1.3 故障诊断技术国内外发展状况 | 第10-12页 |
| 1.4 电机故障诊断的发展 | 第12-14页 |
| 1.5 本文主要研究内容及安排 | 第14-16页 |
| 第二章 相关知识 | 第16-29页 |
| 2.1 异步电机的构造及基本原理 | 第16页 |
| 2.2 异步电机故障类型 | 第16-20页 |
| 2.2.1 轴承故障 | 第16-17页 |
| 2.2.2 转子故障 | 第17-18页 |
| 2.2.3 定子故障 | 第18-20页 |
| 2.3 小波分析 | 第20-23页 |
| 2.3.1 连续小波变换与离散小波变换 | 第20-22页 |
| 2.3.2 多分辨率分析 | 第22-23页 |
| 2.4 小波包分析 | 第23-25页 |
| 2.5 模糊逻辑 | 第25页 |
| 2.6 人工神经网络 | 第25-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 电机故障特征提取 | 第29-36页 |
| 3.1 小波包分解与重构 | 第29-30页 |
| 3.2 小波包基的选择 | 第30-32页 |
| 3.3 基于小波包变换的故障特征提取 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于小波包-模糊RBF神经网络的电机故障诊断 | 第36-45页 |
| 4.1 模糊逻辑推理 | 第36-37页 |
| 4.2 人工神经网络的学习方式 | 第37页 |
| 4.3 RBF神经网络 | 第37-38页 |
| 4.4 模糊RBF神经网络故障诊断 | 第38-41页 |
| 4.5 仿真验证 | 第41-43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 遗传算法优化模糊RBF神经网络的故障诊断方法 | 第45-53页 |
| 5.1 遗传优化算法 | 第45-47页 |
| 5.1.1 遗传算法的特点 | 第45-46页 |
| 5.1.2 遗传优化算法过程 | 第46-47页 |
| 5.2 遗传算法优化模糊RBF神经网络步骤 | 第47-49页 |
| 5.3 仿真验证 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简介、发表文章及研究成果目录 | 第58-59页 |
| 致谢 | 第59-60页 |