| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·论文选题的背景和意义 | 第9-10页 |
| ·机车轴承故障诊断技术的国内外研究现状 | 第10-11页 |
| ·论文各章节主要研究内容 | 第11-13页 |
| 2 机车轴承诊断机理及诊断技术 | 第13-19页 |
| ·机车轴承故障诊断机理 | 第13-14页 |
| ·机车轴承振动信号的特征和振动模型 | 第14页 |
| ·机车轴承故障诊断技术 | 第14-18页 |
| ·机车轴承故障诊断方法 | 第15-16页 |
| ·振动信号处理技术 | 第16页 |
| ·轴承故障的模式识别方法 | 第16-18页 |
| ·小结 | 第18-19页 |
| 3 小波分析理论 | 第19-31页 |
| ·小波分析基本原理 | 第19-26页 |
| ·信号分析的发展过程 | 第19-21页 |
| ·小波变换 | 第21-22页 |
| ·多分辨率分析 | 第22-23页 |
| ·小波包分析 | 第23-26页 |
| ·小波包分析在信号消噪中的应用 | 第26-28页 |
| ·故障信号的奇异点检测 | 第28-30页 |
| ·小结 | 第30-31页 |
| 4 最小二乘支持向量机理论及优化算法研究 | 第31-46页 |
| ·统计学习基本理论 | 第31页 |
| ·支持向量机理论基础 | 第31-34页 |
| ·最小二乘支持向量机 | 第34-38页 |
| ·最小二乘支持向量机算法 | 第34-36页 |
| ·参数C,σ对最小二乘支持向量机分类性能影响的仿真研究 | 第36-38页 |
| ·粒子群算法 | 第38-45页 |
| ·粒子群算法理论基础 | 第39-41页 |
| ·几种改进的粒子群优化算法 | 第41-43页 |
| ·改进的粒子群最小二乘支持向量机在分类中的仿真研究 | 第43-45页 |
| ·小结 | 第45-46页 |
| 5 小波包和ARPSO-LSSVM的机车轴承故障诊断 | 第46-56页 |
| ·机车轴承常见故障类型 | 第46-47页 |
| ·小波包在机车轴承故障信号特征提取中的应用 | 第47-51页 |
| ·频带分析技术 | 第47页 |
| ·利用小波包进行特征向量的提取 | 第47-51页 |
| ·小波包和ARPSO-LSSVM在机车轴承故障诊断中的应用 | 第51-55页 |
| ·小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间的研究成果 | 第61页 |
