| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究的目的及意义 | 第8页 |
| ·国内外发展状况 | 第8-11页 |
| ·国内发展状况 | 第9-10页 |
| ·国外发展状况 | 第10-11页 |
| ·课题研究主要内容及创新点 | 第11-13页 |
| ·课题研究主要内容 | 第11-12页 |
| ·创新点 | 第12-13页 |
| 第二章 小波及小波包分析 | 第13-25页 |
| ·小波分析的基本理论 | 第13-15页 |
| ·连续小波变换 | 第13-14页 |
| ·离散小波变换 | 第14页 |
| ·多分辨率分析及Mallat算法 | 第14-15页 |
| ·小波包基本理论 | 第15-18页 |
| ·小波包理论分析 | 第16-17页 |
| ·小波包的性质 | 第17页 |
| ·小波包的空间分解 | 第17-18页 |
| ·小波包算法 | 第18页 |
| ·小波包用于故障信号的特征提取 | 第18-20页 |
| ·齿轮振动信号的小波包应用 | 第20-24页 |
| ·振动信号的时域分析 | 第20-21页 |
| ·振动信号的频域分析 | 第21-22页 |
| ·振动信号的小波包分析 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第三章 有杆抽油系统故障诊断原理及其示功图特征提取 | 第25-35页 |
| ·有杆抽油系统工作原理 | 第25-26页 |
| ·有杆抽油机井主要故障类型 | 第26-27页 |
| ·示功图的分析 | 第27-31页 |
| ·示功图的概念 | 第27页 |
| ·示功图的特征 | 第27-31页 |
| ·示功图的特征向量提取 | 第31-34页 |
| ·数据的采集与预处理 | 第31-33页 |
| ·特征向量提取 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第四章 神经网络模型分析 | 第35-48页 |
| ·人工神经网络的概述 | 第35-37页 |
| ·人工神经网络的发展 | 第35-36页 |
| ·神经网络的特点 | 第36-37页 |
| ·神经网络在故障诊断中的应用 | 第37页 |
| ·人工神经网络的模型结构及学习规则 | 第37-40页 |
| ·人工神经元的模型结构 | 第38-39页 |
| ·网络的学习规则 | 第39-40页 |
| ·径向基函数网络 | 第40-43页 |
| ·RBF网络的模型 | 第40-42页 |
| ·RBF函数的学习过程 | 第42-43页 |
| ·RBF网络与BP网络在函数逼近领域内的性能比较 | 第43-47页 |
| ·基于ANN的函数逼近理论 | 第43页 |
| ·RBF网络与BP网络在函数逼近领域内的应用举例 | 第43-47页 |
| ·小结 | 第47-48页 |
| 第五章 基于RBF网络的抽油机井故障诊断 | 第48-59页 |
| ·RBF网络故障诊断流程 | 第48-49页 |
| ·基于RBF网络的抽油机井故障诊断实例 | 第49-58页 |
| ·输入与输出向量的确定 | 第49-50页 |
| ·示功图特征向量的提取 | 第50-55页 |
| ·网络输出结果及实验分析 | 第55-58页 |
| ·小结 | 第58-59页 |
| 第六章 有杆抽油井故障诊断系统设计 | 第59-70页 |
| ·MATLAB图形用户界面设计原则和步骤 | 第59-61页 |
| ·GUI对象层次 | 第59-60页 |
| ·GUI设计原则与设计步骤 | 第60页 |
| ·GUI设计向导控制面板 | 第60-61页 |
| ·软件数据库的创建 | 第61-63页 |
| ·数据库设计的基本步骤 | 第61页 |
| ·数据表的建立 | 第61-62页 |
| ·MATLAB与数据库的连接 | 第62-63页 |
| ·有杆抽油井故障智能诊断系统介绍 | 第63-69页 |
| ·有杆抽油井故障智能诊断系统框图 | 第63-64页 |
| ·各主要功能模块的开发 | 第64-69页 |
| ·小结 | 第69-70页 |
| 第七章 结论与展望 | 第70-72页 |
| ·本文结论 | 第70-71页 |
| ·展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读学位期间发表的论文 | 第76-77页 |
| 硕士学位论文详细摘要 | 第77-86页 |