| 中文摘要 | 第1页 |
| 英文摘要 | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·机械故障诊断研究概述 | 第8-12页 |
| ·机械故障诊断的意义 | 第8-9页 |
| ·机械故障诊断方法 | 第9-10页 |
| ·机械故障诊断研究现状 | 第10-11页 |
| ·机械故障诊断研究的发展趋势 | 第11-12页 |
| ·虚拟仪器技术应用现状 | 第12-13页 |
| ·论文研究的主要内容 | 第13-14页 |
| 第二章 虚拟仪器简述 | 第14-20页 |
| ·虚拟仪器的功能和特点 | 第14-15页 |
| ·LabVIEW 开发平台简介 | 第15-17页 |
| ·LabVIEW 简介 | 第15页 |
| ·LabVIEW 的特点与优点 | 第15-17页 |
| ·LabVIEW 与 MATLAB 混合编程 | 第17-18页 |
| ·SQL 与数据库访问 | 第18-20页 |
| ·LabSQL 简介 | 第18-19页 |
| ·LabSQL 实现数据库访问的方法和编程模型 | 第19-20页 |
| 第三章 基于小波技术的机械故障特征提取方法 | 第20-34页 |
| ·小波分析基础 | 第20-29页 |
| ·傅里叶变换与小波变换的区别 | 第20-22页 |
| ·连续小波变换 | 第22页 |
| ·离散小波变换 | 第22-23页 |
| ·多分辨率分析 | 第23-26页 |
| ·多分辨率分析 | 第24-26页 |
| ·Mallat 算法 | 第26页 |
| ·小波包分析 | 第26-29页 |
| ·小波包定义 | 第27-28页 |
| ·小波包的空间分解 | 第28-29页 |
| ·小波包算法 | 第29页 |
| ·机械故障信号的消噪处理 | 第29-32页 |
| ·信号消噪的准则 | 第30页 |
| ·小波消噪的步骤和方法 | 第30页 |
| ·小波基和分解层数的选择 | 第30-31页 |
| ·小波消噪阈值的确定 | 第31-32页 |
| ·MATLAB 用于信号降噪 | 第32页 |
| ·机械故障信号的特征提取 | 第32-34页 |
| 第四章 小波神经网络在机械故障诊断中的应用 | 第34-47页 |
| ·神经网络在机械故障诊断中的应用 | 第34页 |
| ·BP 神经网络 | 第34-41页 |
| ·BP 神经网络算法概述 | 第34-36页 |
| ·BP 网络的学习 | 第36页 |
| ·BP 网络改进算法 | 第36-39页 |
| ·动量BP 算法(momentum back propagation, MOBP) | 第36-37页 |
| ·学习速率可变的BP 算法(VLBP) | 第37页 |
| ·弹性BP 算法(resilient back-PROPagation,RPROP) | 第37-38页 |
| ·拟牛顿算法(Quasi-Newton algorithms) | 第38页 |
| ·LM(levenberg-marquardt)算法 | 第38-39页 |
| ·不同改进BP 算法的数值实验及结果分析 | 第39-41页 |
| ·数值实验 | 第39-40页 |
| ·实验结果分析 | 第40-41页 |
| ·基于小波神经网络的机械故障诊断 | 第41-47页 |
| ·小波分析和神经网络的结合 | 第41页 |
| ·小波神经网络应用于机械故障智能诊断 | 第41-47页 |
| ·小波神经网络诊断模型 | 第41-43页 |
| ·仿真结果与分析 | 第43-47页 |
| 第五章 基于虚拟仪器的机械故障诊断系统的实现 | 第47-55页 |
| ·软件系统的总体结构 | 第47-48页 |
| ·用户管理模块 | 第48-49页 |
| ·信号仿真模块 | 第49-50页 |
| ·文件模块 | 第50页 |
| ·信号分析模块 | 第50-52页 |
| ·故障诊断模块 | 第52-54页 |
| ·诊断子模块 | 第52-53页 |
| ·修改样本子模块 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第六章 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 在校期间发表的学术论文和参加科研情况 | 第60页 |
