| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-14页 |
| ·课题研究背景及意义 | 第9页 |
| ·本课题国内外研究现状 | 第9-13页 |
| ·齿轮箱故障诊断的研究现状 | 第9-10页 |
| ·人工神经网络在故障诊断领域的研究现状 | 第10-13页 |
| ·本文的主要研究内容及论文架构 | 第13-14页 |
| 第二章 齿轮箱典型故障及其振动信号研究 | 第14-28页 |
| ·齿轮箱的典型故障 | 第14-18页 |
| ·齿轮的常见故障类型及成因 | 第15-16页 |
| ·轴承的常见故障类型及成因 | 第16-18页 |
| ·齿轮箱振动信号 | 第18-24页 |
| ·齿轮传动的动态激励模型 | 第18-20页 |
| ·齿轮振动信号的啮合频率及各次谐波 | 第20-21页 |
| ·齿轮振动信号的特征及啮合频率调制 | 第21-24页 |
| ·其他调制现象 | 第24页 |
| ·振动信号时频域常用特征值 | 第24-27页 |
| ·时域分析及常用特征值 | 第24-26页 |
| ·频域分析及常用特征值 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 人工神经网络研究 | 第28-44页 |
| ·神经网络的产生、发展及应用 | 第28-30页 |
| ·人工神经网络产生背景 | 第28页 |
| ·人工神经网络的应用领域 | 第28-29页 |
| ·神经网络当前的发展及出现的问题 | 第29-30页 |
| ·人工神经网络理论 | 第30-35页 |
| ·神经网络特点 | 第30-31页 |
| ·神经网络分类 | 第31-32页 |
| ·人工神经网络工作阶段 | 第32页 |
| ·人工神经网络学习方式 | 第32-35页 |
| ·BP 人工神经网络 | 第35-39页 |
| ·BP 网络模型 | 第35-36页 |
| ·BP 网络的学习算法 | 第36-39页 |
| ·Elman 人工神经网络 | 第39-43页 |
| ·Elman 人工神经网络的结构 | 第39-40页 |
| ·Elman 人工神经网络学习过程 | 第40-41页 |
| ·Elman 人工神经网络学习算法及算法流程图 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 齿轮箱故障诊断实验 | 第44-54页 |
| ·齿轮箱故障诊断机理的研究 | 第44-46页 |
| ·齿轮的振动机理分析 | 第44-45页 |
| ·滚动轴承的振动机理分析 | 第45-46页 |
| ·齿轮箱故障诊断实验系统 | 第46-53页 |
| ·实验设备 | 第47-48页 |
| ·实验设计方案 | 第48-51页 |
| ·信号采集和处理 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 改进 Elman 神经网络模型及其应用 | 第54-74页 |
| ·改进的 Elman 人工神经网络 | 第54-58页 |
| ·OHF Elman 网络结构及其数学模型 | 第54-55页 |
| ·OHF Elman 人工神经网络学习算法及算法流程图 | 第55-56页 |
| ·收益因素简介 | 第56-57页 |
| ·引入收益因素的 OHF Elman 神经网络学习算法 | 第57-58页 |
| ·改进 Elman 神经网络的稳定性 | 第58-60页 |
| ·改进 Elman 神经网络在齿轮箱故障诊断中的应用 | 第60-69页 |
| ·提取故障信号的特征向量 | 第60-63页 |
| ·建立神经网络模型 | 第63-65页 |
| ·神经网络输入与目标向量设计 | 第65-68页 |
| ·改进 Elman 网络的设计 | 第68-69页 |
| ·Elman 与改进 Elman 网络在齿轮箱故障诊断中应用的比较 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 结论与展望 | 第74-76页 |
| ·结论 | 第74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81-82页 |
| 致谢 | 第82页 |
