| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第5-11页 |
| 1.1 课题来源 | 第5页 |
| 1.2 研究背景与意义 | 第5页 |
| 1.3 国内外研究现状 | 第5-7页 |
| 1.4 故障诊断技术概述 | 第7-8页 |
| 1.5 主要研究内容与论文架构 | 第8-11页 |
| 第二章 城轨车辆滚动轴承故障特征分析与提取 | 第11-21页 |
| 2.1 城轨车辆滚动轴承概述 | 第11-13页 |
| 2.2 滚动轴承故障特征的提取 | 第13-19页 |
| 2.3 本章小结 | 第19-21页 |
| 第三章 滚动轴承故障诊断方法研究 | 第21-27页 |
| 3.1 BP神经网络算法 | 第21-22页 |
| 3.2 遗传算法优化BP神经网络 | 第22-23页 |
| 3.3 最小二乘支持向量机算法 | 第23-24页 |
| 3.4 自适应遗传算法优化最小二乘支持向量机（AGA-LSSVM） | 第24页 |
| 3.5 本章小结 | 第24-27页 |
| 第四章 基于小波包和AGA-LSSVM模型与GA-BP模型的故障诊断实验研究 | 第27-35页 |
| 4.1 小波包提取故障能量特征 | 第27-29页 |
| 4.2 自适应遗传算法优化最小二乘支持向量机（AGA-LSSVM） | 第29-30页 |
| 4.3 AGA-LSSVM实验结果 | 第30-31页 |
| 4.4 遗传算法优化BP神经网络（GA-BP） | 第31-33页 |
| 4.5 GA-BP实验结果 | 第33页 |
| 4.6 本章小结 | 第33-35页 |
| 第五章 基于LabVIEW与MATLAB的轴承故障诊断监测系统开发 | 第35-43页 |
| 5.1 虚拟仪器及LabVIEW技术简介 | 第35页 |
| 5.2 MATLAB简介 | 第35-36页 |
| 5.3 轴承故障诊断监测界面设计与开发 | 第36-43页 |
| 总结与展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 攻读学位期间研究成果 | 第49-51页 |
| 致谢 | 第51-53页 |
