| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·滚动轴承故障诊断的背景和意义 | 第8-9页 |
| ·滚动轴承故障诊断的内容 | 第9-11页 |
| ·滚动轴承故障诊断技术的国内外研究现状 | 第11-12页 |
| ·本文内容简介 | 第12-13页 |
| 第2章 滚动轴承的故障形式及振动特性 | 第13-20页 |
| ·滚动轴承的结构 | 第13-14页 |
| ·滚动轴承的失效形式 | 第14-16页 |
| ·滚动轴承的振动机理 | 第16-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 基于1(1/2)维谱与小波包的滚动轴承故障特征的提取 | 第20-37页 |
| ·1(1/2)维谱理论基础 | 第20-22页 |
| ·高阶累积量的定义 | 第20-21页 |
| ·高阶谱 | 第21页 |
| ·1(1/2)维谱定义 | 第21-22页 |
| ·小波分析 | 第22-26页 |
| ·连续小波变换（Continue Wavelet Transform）的定义与性质 | 第22-23页 |
| ·连续小波变换离散化 | 第23-24页 |
| ·多分辨率分析及Mallat 算法 | 第24-26页 |
| ·1(1/2)维谱与小波包相结合进行滚动轴承的故障特征提取 | 第26-30页 |
| ·滚动轴承振动信号的1(1/2)维谱估计 | 第26-29页 |
| ·基于小波包频带分析滚动轴承故障特征向量的建立 | 第29-30页 |
| ·基于BP 神经网络的滚动轴承故障识别 | 第30-36页 |
| ·网络结构的确立 | 第32-34页 |
| ·BP 网络的学习规则的选择 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 实验分析 | 第37-57页 |
| ·实验模拟 | 第37-38页 |
| ·滚动轴承故障实验台 | 第37-38页 |
| ·实验方案 | 第38页 |
| ·数据采集 | 第38页 |
| ·基于1(1/2)维谱与小波包相结合建立故障特征向量 | 第38-53页 |
| ·故障特征提取 | 第39-43页 |
| ·滚动轴承故障模式识别 | 第43-53页 |
| ·陶瓷滚动轴承的故障诊断 | 第53-55页 |
| ·陶瓷滚动轴承故障特征向量的建立 | 第53页 |
| ·陶瓷滚动轴承故障特的模式识别 | 第53-55页 |
| ·结论 | 第55-57页 |
| 第5章 结论与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录A(攻读学位期间发表学术论文目录) | 第63页 |
