有色噪声的特征提取及其在电动机故障诊断中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-14页 |
| ·课题的背景及研究意义 | 第10-11页 |
| ·国内外研究现状及发展趋势 | 第11-13页 |
| ·噪声的研究现状及发展趋势 | 第11-12页 |
| ·电动机故障诊断的研究现状及发展趋势 | 第12-13页 |
| ·本文的主要工作及结构安排 | 第13-14页 |
| 2 噪声的性质及其特征提取方法 | 第14-27页 |
| ·噪声的定义 | 第14页 |
| ·噪声的分类及其性质 | 第14-20页 |
| ·加性噪声和乘性噪声 | 第14-16页 |
| ·确定性噪声和随机性噪声 | 第16-18页 |
| ·白噪声和有色噪声 | 第18-20页 |
| ·噪声的特征提取方法 | 第20-26页 |
| ·噪声特征的时域提取法 | 第20页 |
| ·噪声特征的频域提取法 | 第20-21页 |
| ·噪声特征的统计域提取法 | 第21页 |
| ·噪声特征的时频域提取法 | 第21-26页 |
| ·本章小结 | 第26-27页 |
| 3 有色噪声的建模及其仿真实现 | 第27-40页 |
| ·伪白噪声白化方法研究及仿真实现 | 第27-33页 |
| ·伪白噪声的性质 | 第27-28页 |
| ·常见的白化方法介绍 | 第28页 |
| ·新的白化方法的建模研究 | 第28-31页 |
| ·白化后的白噪声的仿真实现及其特征提取 | 第31-33页 |
| ·粉红噪声的 ARMA 模型研究及仿真实现 | 第33-39页 |
| ·常见的粉红噪声的生成方法 | 第33-34页 |
| ·粉红噪声的 ARMA 模型实现 | 第34-36页 |
| ·生成的粉红噪声的仿真实现及其特征提取 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 4 电动机故障诊断系统的设计 | 第40-48页 |
| ·电动机故障诊断系统的研究内容 | 第40页 |
| ·电动机的故障特征机理分析 | 第40-42页 |
| ·研究对象 | 第40-41页 |
| ·电动机常见故障的特征及其机理 | 第41-42页 |
| ·信号的检测与信号采集 | 第42-44页 |
| ·常用的信号检测方法 | 第42-43页 |
| ·信号检测方法的选取和信号采集模块 | 第43-44页 |
| ·信号的分析与特征提取 | 第44-45页 |
| ·故障的诊断与分类 | 第45-47页 |
| ·常用的故障诊断技术 | 第45-46页 |
| ·故障诊断技术的选取 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 电动机故障诊断系统的应用 | 第48-59页 |
| ·RBF 神经网络 | 第48-51页 |
| ·RBF 神经网络的基本内容 | 第48页 |
| ·RBF 神经网络的学习过程 | 第48-51页 |
| ·RBF 神经网络在 Matlab 中的应用 | 第51页 |
| ·电动机故障诊断系统的实例应用 | 第51-58页 |
| ·电动机故障的设置和模拟方法 | 第51-52页 |
| ·电动机的各种故障信号的采集 | 第52-53页 |
| ·最优小波基函数的选择与信号的特征提取 | 第53-57页 |
| ·利用RBF神经网络诊断电动机的故障 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 6 结论与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 A：有色噪声信号的采集与特征提取的主要程序 | 第66-68页 |
| 附录 B：部分训练样本数据和测试样本数据 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70-71页 |
