| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 引言 | 第6-13页 |
| ·选题的意义 | 第6页 |
| ·智能故障诊断方法的发展及现状 | 第6-11页 |
| ·小波分析 | 第7-9页 |
| ·神经网络 | 第9-10页 |
| ·模糊理论 | 第10-11页 |
| ·本文的研究内容 | 第11-12页 |
| ·本文的内容安排 | 第12-13页 |
| 第二章 基于小波包的振动故障特征值提取技术 | 第13-39页 |
| ·小波分析 | 第13-16页 |
| ·连续小波变换 | 第13-14页 |
| ·离散小波变换 | 第14-15页 |
| ·二进制小波变换 | 第15-16页 |
| ·多分辨分析 | 第16-17页 |
| ·小波包分析 | 第17-22页 |
| ·小波包定义 | 第17-18页 |
| ·小波包的空间分解 | 第18-19页 |
| ·小波包频谱混叠现象 | 第19-21页 |
| ·小波包的分解与重构 | 第21页 |
| ·最优小波包基的选择 | 第21-22页 |
| ·特征值提取方法 | 第22-25页 |
| ·振动信号时域特征值分析 | 第23-24页 |
| ·振动信号频域特征值分析 | 第24-25页 |
| ·工程信号实例分析 | 第25-38页 |
| ·轴承振动信号分析 | 第25-32页 |
| ·齿轮振动信号分析 | 第32-38页 |
| ·小结 | 第38-39页 |
| 第三章 模式识别 | 第39-66页 |
| ·聚类分析 | 第39-43页 |
| ·概述 | 第39-40页 |
| ·分析方法 | 第40-43页 |
| ·模糊理论 | 第43-50页 |
| ·模糊聚类方法 | 第43-45页 |
| ·模糊推理方法 | 第45-50页 |
| ·神经网络 | 第50-59页 |
| ·神经网络的“三要素” | 第50-58页 |
| ·常用的神经网络 | 第58-59页 |
| ·工程信号实例分析 | 第59-65页 |
| ·聚类分析 | 第59-61页 |
| ·神经网络模式分类法 | 第61-65页 |
| ·小结 | 第65-66页 |
| 第四章 综合分析 | 第66-88页 |
| ·模糊聚类理论与 BP神经网络结合的故障智能模式识别方法 | 第66-73页 |
| ·实现步骤 | 第66-70页 |
| ·工程信号实例分析 | 第70-73页 |
| ·模糊推理方法与神经网络结合的故障模式识别方法 | 第73-87页 |
| ·神经网络和模糊推理相结合的主要方式 | 第73-76页 |
| ·自适应神经网络-模糊推理系统 | 第76-78页 |
| ·工程信号实例分析 | 第78-87页 |
| ·小结 | 第87-88页 |
| 第五章 结论与展望 | 第88-90页 |
| ·结论 | 第88-89页 |
| ·研究工作的展望 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 致谢 | 第94-95页 |
| 在学期间发表论文和参加科研情况 | 第95页 |