| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 本课题国内外研究现状及发展动态 | 第11-16页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.2.3 滚动轴承故障诊断中声发射技术的研究展望 | 第15-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 2 滚动轴承的声发射检测和信号分析方法 | 第17-33页 |
| 2.1 声发射技术的概述 | 第17-19页 |
| 2.1.1 声发射技术的定义 | 第17页 |
| 2.1.2 声发射技术的发展 | 第17-19页 |
| 2.1.3 声发射检测的过程 | 第19页 |
| 2.2 滚动轴承故障综述 | 第19-27页 |
| 2.2.1 滚动轴承的基本结构 | 第19-20页 |
| 2.2.2 滚动轴承的故障形式与产生原因 | 第20-26页 |
| 2.2.3 滚动轴承故障的特征频率 | 第26-27页 |
| 2.2.4 滚动轴承故障的AE信号的特点及识别原理 | 第27页 |
| 2.3 声发射信号常用的处理方法 | 第27-33页 |
| 2.3.1 声发射信号的特征参数分析法 | 第28-30页 |
| 2.3.2 声发射信号的波形分析法 | 第30-33页 |
| 3 基于小波变换的滚动轴承AE信号处理方法研究 | 第33-52页 |
| 3.1 小波分析的理论 | 第33页 |
| 3.2 小波变换的定义和特点 | 第33-37页 |
| 3.2.1 小波变换函数 | 第34页 |
| 3.2.2 连续小波变换 | 第34-35页 |
| 3.2.3 离散小波变换 | 第35-37页 |
| 3.3 声发射信号小波分析中的小波基选择 | 第37-40页 |
| 3.3.1 小波基函数的性质 | 第37页 |
| 3.3.2 小波基选取规则研究 | 第37-38页 |
| 3.3.3 滚动轴承AE信号的小波基选择 | 第38-40页 |
| 3.4 滚动轴承故障AE信号的小波包分析 | 第40-42页 |
| 3.4.1 小波包定义 | 第41页 |
| 3.4.2 小波包分解与重构算法 | 第41-42页 |
| 3.5 声发射信号的小波包特征提取分析 | 第42-43页 |
| 3.6 试验仿真分析 | 第43-52页 |
| 3.6.1 仿真试验 | 第44-50页 |
| 3.6.2 试验仿真结果分析 | 第50-52页 |
| 4 基于BP神经网络的滚动轴承AE信号诊断研究 | 第52-62页 |
| 4.1 BP神经网络 | 第52-57页 |
| 4.1.1 BP神经网络概述 | 第52-53页 |
| 4.1.2 BP神经网络算法研究 | 第53-56页 |
| 4.1.3 BP神经网络算法的改进 | 第56-57页 |
| 4.2 基于小波包和BP神经网络的滚动轴承故障AE信号模式识别研究 | 第57-59页 |
| 4.2.1 基于小波包和BP神经网络的滚动轴承故障诊断过程 | 第57-58页 |
| 4.2.2 BP神经网络模型的建立 | 第58-59页 |
| 4.3 试验仿真分析 | 第59-62页 |
| 5 结论与展望 | 第62-64页 |
| 5.1 结论 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间主要的研究成果目录 | 第69-70页 |
| 致谢 | 第70页 |
