基于小波包络解调与人工神经网络的轴承智能诊断技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题研究的目的及意义 | 第11-12页 |
| ·轴承故障诊断技术的发展及研究状况 | 第12-17页 |
| ·轴承故障诊断技术的发展 | 第12-13页 |
| ·轴承故障诊断研究文献综述 | 第13-17页 |
| ·小波包络解调技术的提出 | 第17-18页 |
| ·论文的章节安排和主要内容 | 第18-20页 |
| 第2章 滚动轴承的故障机理及诊断实验 | 第20-36页 |
| ·概述 | 第20页 |
| ·滚动轴承异常的基本形式 | 第20-21页 |
| ·滚动轴承的故障类型及其故障特征 | 第21-28页 |
| ·滚动轴承的固有振动频率 | 第21-22页 |
| ·滚动轴承的缺陷特征频率 | 第22-26页 |
| ·滚动轴承的振动及其故障特性 | 第26-28页 |
| ·轴承故障诊断实验平台的建立 | 第28-35页 |
| ·硬件设备的选择 | 第28-30页 |
| ·实验平台搭建 | 第30-31页 |
| ·实验数据采集系统 | 第31-34页 |
| ·滚动轴承的故障模拟 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 滚动轴承振动信号处理 | 第36-70页 |
| ·概述 | 第36页 |
| ·滚动轴承振动信号时域分析方法 | 第36-38页 |
| ·傅立叶变换 | 第38-40页 |
| ·小波包络分析方法的基本理论 | 第40-51页 |
| ·小波的基本理论 | 第40-41页 |
| ·小波包分析 | 第41-42页 |
| ·小波包的定义 | 第42-44页 |
| ·小波包分析的频带交错 | 第44-46页 |
| ·包络解调技术的基本理论 | 第46-48页 |
| ·包络解调技术对仿真信号的处理 | 第48-50页 |
| ·直接用包络解调技术对实际故障轴承信号的处理 | 第50-51页 |
| ·基于MATLAB的小波包络技术的编程 | 第51-54页 |
| ·MATLAB软件的介绍 | 第51-52页 |
| ·小波包络技术的程序实现 | 第52-54页 |
| ·小波包络技术在轴承故障诊断中的应用 | 第54-66页 |
| ·小波包络技术对内圈故障轴承振动信号的分析 | 第56-61页 |
| ·小波包络技术对外圈故障轴承振动信号的分析 | 第61-66页 |
| ·小波包能量法在轴承故障诊断中的应用 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第4章 滚动轴承振动信号特征提取 | 第70-82页 |
| ·概述 | 第70-81页 |
| ·小波包络法提取特征向量 | 第70-76页 |
| ·小波包能量法提取特征向量 | 第76-80页 |
| ·小波包络法与小波包能量法提取特征比较 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 第5章 人工神经网络智能诊断 | 第82-92页 |
| ·概述 | 第82页 |
| ·神经网络故障诊断方法研究 | 第82-83页 |
| ·BP神经网络 | 第83-87页 |
| ·BP神经网络结构 | 第83-85页 |
| ·BP神经网络设计 | 第85-86页 |
| ·BP神经网络的快速学习算法与选择 | 第86-87页 |
| ·BP神经网络在轴承故障诊断中的应用 | 第87-91页 |
| ·BP神经网络初始参数的设定 | 第87-88页 |
| ·基于BP神经网络的智能诊断实例 | 第88-91页 |
| ·本章小结 | 第91-92页 |
| 结论及展望 | 第92-95页 |
| 结论 | 第92-93页 |
| 研究展望 | 第93-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-101页 |
| 攻读硕士研究生期间发表的论文 | 第101-102页 |
| 附录 | 第102-108页 |
