基于神经网络的滚动轴承故障诊断研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·课题背景和意义 | 第8-9页 |
| ·国内外相关技术及发展现状 | 第9-11页 |
| ·故障诊断技术的发展与现状 | 第9页 |
| ·智能诊断技术的发展与现状 | 第9-11页 |
| ·滚动轴承诊断技术的发展与现状 | 第11页 |
| ·研究内容 | 第11-13页 |
| 第2章 故障诊断数据及特征提取 | 第13-26页 |
| ·硬件平台与测试数据 | 第13-16页 |
| ·小波包提取特征向量 | 第16-25页 |
| ·小波多分辨率分析 | 第16-18页 |
| ·小波包的基本原理 | 第18-19页 |
| ·小波包的子空间分解 | 第19-20页 |
| ·最优小波包基的选取 | 第20-23页 |
| ·基于最优小波包基提取特征向量 | 第23-24页 |
| ·滚动轴承故障诊断特征向量提取 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于神经网络的滚动轴承故障诊断 | 第26-51页 |
| ·基于BP神经网络的滚动轴承故障诊断 | 第26-33页 |
| ·BP神经网络的结构 | 第26页 |
| ·BP神经网络的算法 | 第26-28页 |
| ·BP神经网络故障诊断系统设计及仿真 | 第28-32页 |
| ·BP神经网络应用于故障诊断的缺点 | 第32-33页 |
| ·基于RBF神经网络的滚动轴承故障诊断 | 第33-39页 |
| ·RBF神经网络的结构 | 第33-34页 |
| ·RBF神经网络的算法 | 第34页 |
| ·RBF神经网络故障诊断系统设计与仿真 | 第34-38页 |
| ·RBF神经网络应用于故障诊断的缺点 | 第38-39页 |
| ·基于Elman神经网络的滚动轴承故障诊断 | 第39-44页 |
| ·Elman神经网络的结构 | 第39页 |
| ·Elman神经网络的算法 | 第39-40页 |
| ·Elman神经网络故障诊断系统设计与仿真 | 第40-44页 |
| ·Elman神经网络应用于故障诊断的结果分析 | 第44页 |
| ·基于模糊ART神经网络的滚动轴承故障诊断 | 第44-50页 |
| ·模糊ART神经网络的结构 | 第44-45页 |
| ·模糊ART神经网络的算法 | 第45-46页 |
| ·模糊ART神经网络故障诊断系统设计与仿真 | 第46-49页 |
| ·模糊 ART神经网络应用于故障诊断的结果分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于概率神经网络的滚动轴承故障诊断 | 第51-62页 |
| ·概率神经网络简介 | 第51页 |
| ·概率神经网络的结构 | 第51-52页 |
| ·概率神经网络的学习算法 | 第52-54页 |
| ·概率密度函数的估计方法 | 第52页 |
| ·Parzen窗法 | 第52-54页 |
| ·基于Parzen窗方法的概率神经网络算法 | 第54页 |
| ·基于概率神经网络的故障诊断仿真 | 第54-60页 |
| ·七模式问题 | 第54-57页 |
| ·八模式问题 | 第57-60页 |
| ·概率神经网络应用于故障诊断的结果分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间发表的学术论文 | 第67-69页 |
| 致谢 | 第69页 |
