基于小波分析的故障模式提取研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·课题研究背景 | 第8-9页 |
| ·研究的主要内容 | 第9-10页 |
| ·解决方案及关键技术 | 第10-11页 |
| ·论文章节安排 | 第11-12页 |
| ·小结 | 第12-13页 |
| 2 研究现状及相关技术 | 第13-24页 |
| ·研究现状 | 第13-15页 |
| ·信号处理技术 | 第15-17页 |
| ·傅里叶变换的地位及不足 | 第16页 |
| ·小波分析的由来与前景 | 第16-17页 |
| ·小波分析理论及其特点与难点 | 第17-21页 |
| ·小波分析理论 | 第17-18页 |
| ·小波分析的特点 | 第18-19页 |
| ·常用小波 | 第19-21页 |
| ·小波分析应用中的难点 | 第21页 |
| ·特征提取技术 | 第21-22页 |
| ·模式识别技术 | 第22-24页 |
| 3 电路板故障智能诊断系统设计 | 第24-38页 |
| ·系统总体设计 | 第24-26页 |
| ·系统通用方案 | 第24-26页 |
| ·改进后的方案 | 第26页 |
| ·智能诊断模块 | 第26-34页 |
| ·BP神经网络模块 | 第26-30页 |
| ·支持向量机模块 | 第30-33页 |
| ·信息融合模块 | 第33-34页 |
| ·小波分析难点突破 | 第34-37页 |
| ·小波基函数选取 | 第34-35页 |
| ·小波分解层数和小波系数的选择 | 第35页 |
| ·特征向量生成算法 | 第35-37页 |
| ·小波分析评价标准设计 | 第37-38页 |
| ·特征向量波动性判定 | 第37页 |
| ·时间复杂度判定 | 第37-38页 |
| 4 电路板故障诊断系统的实现 | 第38-53页 |
| ·系统平台的搭建 | 第38-39页 |
| ·系统实现 | 第39-44页 |
| ·小波分解及评价的实现 | 第39-41页 |
| ·故障训练和诊断流程的实现 | 第41-43页 |
| ·基于诊断结果的小波分解评价验证实现 | 第43-44页 |
| ·试验验证 | 第44-52页 |
| ·特征向量波动性验证 | 第45-47页 |
| ·小波分析评价 | 第47-52页 |
| ·小结 | 第52-53页 |
| 5 结论与展望 | 第53-54页 |
| ·主要结论 | 第53页 |
| ·后续工作的展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 申请学位期间的研究成果及发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
