| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·引言 | 第8-9页 |
| ·非平稳信号处理方法及其发展现状 | 第9-13页 |
| ·短时傅立叶变换 | 第10页 |
| ·二次型时频分布 | 第10页 |
| ·Hiberlt-Huang 变换 | 第10-11页 |
| ·小波分析 | 第11-13页 |
| ·基于小波分析和神经网络的故障诊断综述 | 第13-16页 |
| ·小波分析和神经网络的结合途径 | 第13-14页 |
| ·松散型小波神经网络研究和应用现状 | 第14-16页 |
| ·课题的研究内容 | 第16-18页 |
| 第二章 小波包分析及其特征提取理论与方法 | 第18-28页 |
| ·小波分析基本理论 | 第18-24页 |
| ·小波函数及积分小波变换 | 第18-20页 |
| ·小波分解 | 第20-21页 |
| ·小波包分析 | 第21-24页 |
| ·小波包能量特征提取及仿真信号分析 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 神经网络建模原理与方法 | 第28-40页 |
| ·BP 神经网络 | 第28-32页 |
| ·BP 网络结构 | 第28-29页 |
| ·BP 网络学习算法 | 第29-31页 |
| ·Levenberg-Marquardt BP 网络算法 | 第31-32页 |
| ·径向基函数神经网络 | 第32-35页 |
| ·RBF 神经网络建模原理 | 第33-34页 |
| ·RBF 神经网络训练算法 | 第34-35页 |
| ·Fuzzy ART 网络 | 第35-39页 |
| ·Fuzzy ART 的结构与工作原理 | 第36-37页 |
| ·Fuzzy ART 的建模原理 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于神经网络和小波包分析的滚动轴承故障诊断实例 | 第40-58页 |
| ·滚动轴承的振动信号特性 | 第40-42页 |
| ·基于小波的神经网络用于故障模式识别的原理 | 第42-43页 |
| ·基于神经网络的滚动轴承诊断实例 | 第43-56页 |
| ·滚动轴承的信号特征提取 | 第43-52页 |
| ·基于 BP 神经网络的滚动轴承故障诊断 | 第52-53页 |
| ·基于 RBF 神经网络的滚动轴承故障诊断 | 第53-56页 |
| ·基于 Fuzzy ART 网络的滚动轴承故障诊断 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第五章 结论与展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
