非平稳非高斯信号特征提取与故障诊断技术研究
| 第一章 绪论 | 第1-22页 |
| 1．1 选题意义 | 第12-14页 |
| 1．2 文献综述 | 第14-19页 |
| 1．2．1 小波变换与机械故障诊断 | 第14-16页 |
| 1．2．2 时频分布与机械故障诊断 | 第16-17页 |
| 1．2．3 高阶统计量与机械故障诊断 | 第17-19页 |
| 1．2．4 网络资源 | 第19页 |
| 1．3 论文的结构安排与主要工作 | 第19-22页 |
| 第二章 基于小波变换的特征提取与故障诊断技术 | 第22-45页 |
| 2．1 引言 | 第22-23页 |
| 2．2 小波变换概述 | 第23-26页 |
| 2．2．1 理论基础 | 第23-24页 |
| 2．2．2 工程理解 | 第24-26页 |
| 2．3 小波神经网络故障诊断系统 | 第26-33页 |
| 2．3．1 能量分布特征提取 | 第26-27页 |
| 2．3．2 BP神经网络及其优化 | 第27-28页 |
| 2．3．3 小波神经网络故障诊断系统的实现 | 第28-30页 |
| 2．2．4 诊断实例 | 第30-33页 |
| 2．4 基于连续小波变换的诊断技术研究 | 第33-44页 |
| 2．4．1 小波基函数和尺度因子的选择 | 第33-35页 |
| 2．4．2 时间平均小波谱 | 第35-36页 |
| 2．4．3 试验研究与分析 | 第36-40页 |
| 2．4．4 诊断方法研究 | 第40-44页 |
| 2．5 本章小结 | 第44-45页 |
| 第三章 信号消噪技术研究 | 第45-68页 |
| 3．1 引言 | 第45-46页 |
| 3．2 利用小波包的消噪技术与应用 | 第46-60页 |
| 3．2．1 小波包变换基本原理 | 第46-47页 |
| 3．2．2 自动消噪算法 | 第47-50页 |
| 3．2．3 齿轮故障特征信号提取 | 第50-56页 |
| 3．2．4 小波函数的影响 | 第56-59页 |
| 3．2．5 讨论 | 第59-60页 |
| 3．3 基追踪消噪与应用 | 第60-67页 |
| 3．3．1 基追踪消噪基本原理 | 第60-61页 |
| 3．3．2 仿真算例 | 第61-63页 |
| 3．3．3 齿轮故障振动信号消噪 | 第63-66页 |
| 3．3．4 讨论 | 第66-67页 |
| 3．4 本章小结 | 第67-68页 |
| 第四章 发动机异响的时频分布特征提取与诊断 | 第68-82页 |
| 4．1 引言 | 第68-69页 |
| 4．2 时频分布理论概述 | 第69-70页 |
| 4．3 发动机多异响故障试验 | 第70-76页 |
| 4．4 发动机异响特征分析与诊断 | 第76-80页 |
| 4．5 本章小结 | 第80-82页 |
| 第五章 基于双谱的齿轮故障特征提取与识别 | 第82-91页 |
| 5．1 引言 | 第82-83页 |
| 5．2 双谱分析理论概述 | 第83-84页 |
| 5．3 双谱与神经网络特征提取与识别 | 第84-90页 |
| 5．4 本章小结 | 第90-91页 |
| 第六章 齿轮信号消噪与故障诊断虚拟仪器 | 第91-101页 |
| 6．1 概述 | 第91-94页 |
| 6．1．1 虚拟仪器的国内外研究现状 | 第91-92页 |
| 6．1．2 LabVIEW开发平台 | 第92-94页 |
| 6．2 齿轮信号消噪与故障诊断仪 | 第94-100页 |
| 6．2．1 仪器的原理与功能 | 第94-97页 |
| 6．2．2 仪器软件的开发 | 第97-98页 |
| 6．2．3 仪器功能的演示 | 第98-100页 |
| 6．3 本章小结 | 第100-101页 |
| 第七章 全文总结 | 第101-104页 |
| 参考文献 | 第104-112页 |
| 作者在攻读博士学位期间发表的学术论文 | 第112-113页 |
| 致谢 | 第113页 |
