| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·设备故障诊断技术的意义及发展现状 | 第10-11页 |
| ·轧机故障诊断技术的意义及应用 | 第11-12页 |
| ·齿轮箱的故障诊断 | 第12-14页 |
| ·轴承故障诊断技术的发展及现状 | 第12-13页 |
| ·齿轮故障诊断技术的发展及现状 | 第13-14页 |
| ·小波神经网络的特点及应用前景 | 第14-16页 |
| ·小波理论的发展 | 第14-15页 |
| ·神经网络的发展 | 第15-16页 |
| ·本课题的研究意义和内容 | 第16-19页 |
| ·研究意义 | 第16-17页 |
| ·主要研究内容 | 第17-19页 |
| 第2章 滚动轴承-齿轮传动系统的故障机理研究 | 第19-28页 |
| ·滚动轴承的主要故障及成因 | 第19-20页 |
| ·齿轮的主要故障及成因 | 第20页 |
| ·轴承和齿轮的振动机理分析 | 第20-27页 |
| ·轴承的振动机理分析 | 第20-24页 |
| ·齿轮的振动机理分析 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 应用小波分析及小波消噪对振动信号进行预处理 | 第28-41页 |
| ·小波分析理论 | 第28-31页 |
| ·小波变换的定义 | 第28-29页 |
| ·多分辨率分析与马拉(Mallat)算法 | 第29-31页 |
| ·小波包分析 | 第31-35页 |
| ·小波包变换 | 第31-33页 |
| ·最好小波包基的选择 | 第33-35页 |
| ·小波(包)去噪 | 第35-39页 |
| ·小波去噪的基本原则 | 第35页 |
| ·小波去噪的基本原理 | 第35-37页 |
| ·小波阈值计算 | 第37-38页 |
| ·小波包去噪 | 第38-39页 |
| ·小波去噪在齿轮箱振动信号中的实际应用 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 小波神经网络的设计 | 第41-65页 |
| ·人工神经网络(ANN)基本理论 | 第41-45页 |
| ·人工神经元模型 | 第41-43页 |
| ·神经元的连接结构及工作方式 | 第43-45页 |
| ·BP 神经网络的设计及其优化 | 第45-52页 |
| ·BP 网络结构 | 第45-46页 |
| ·BP 网络学习算法 | 第46-47页 |
| ·BP 网络的不足与改进 | 第47-50页 |
| ·隐层单元的设计 | 第50页 |
| ·BP 神经网络泛化能力的提高 | 第50-52页 |
| ·小波分析与神经网络的融合方式 | 第52页 |
| ·小波神经网络的设计 | 第52-64页 |
| ·故障信号的特征向量提取 | 第53-59页 |
| ·神经网络的设计 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 第5章试验系统及智能诊断系统的设计 | 第65-78页 |
| ·试验系统 | 第65-69页 |
| ·试验平台的建立 | 第65-67页 |
| ·齿轮和轴承故障模拟 | 第67-69页 |
| ·智能诊断系统的设计 | 第69-77页 |
| ·Matlab 与Visual C++混合编程 | 第69-71页 |
| ·nnToolKit 神经网络工具包 | 第71页 |
| ·创建 nnToolKit 的 COM 组件 | 第71-74页 |
| ·在VC 中调用nnToolKit 神经网络工具包实现界面编程 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 作者简介 | 第86页 |