基于小波包变换和优化Elman神经网络的滚动轴承故障诊断方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-13页 |
| 1.3 本文组织结构 | 第13-15页 |
| 2 滚动轴承故障诊断方案设计 | 第15-22页 |
| 2.1 滚动轴承单一诊断方法的不足 | 第15-19页 |
| 2.2 滚动轴承智能诊断方案的设计 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 基于小波包变换的滚动轴承故障特征向量构造 | 第22-35页 |
| 3.1 小波变换基本原理 | 第22-25页 |
| 3.2 滚动轴承振动信号的小波包变换 | 第25-29页 |
| 3.3 滚动轴承故障特征向量构造 | 第29-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 基于CS-Elman的滚动轴承故障类型判别 | 第35-49页 |
| 4.1 Elman神经网络基本原理 | 第35-38页 |
| 4.2 CS-Elman实现 | 第38-45页 |
| 4.3 滚动轴承故障类型判别 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 滚动轴承故障诊断仿真试验 | 第49-60页 |
| 5.1 试验设计 | 第49-51页 |
| 5.2 滚动轴承故障特征向量构造 | 第51-55页 |
| 5.3 滚动轴承故障类型判别 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 研究展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
