| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-16页 |
| ·课题研究的背景及选题的意义 | 第11页 |
| ·采煤机关键部件故障诊断国内外研究现状 | 第11-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·本文的主要研究内容 | 第14-16页 |
| 2 基于小波分析及小波包分解的故障特征提取 | 第16-35页 |
| ·采煤机故障分类 | 第16-18页 |
| ·小波分析基本理论 | 第18-23页 |
| ·小波函数 | 第18页 |
| ·小波变换 | 第18-19页 |
| ·多分辨率分析 | 第19-21页 |
| ·正交小波变换的快速算法-Mallat算法 | 第21-23页 |
| ·小波包分析 | 第23-27页 |
| ·建立小波包分析的故障特征提取模型 | 第27-28页 |
| ·基于小波包分析的故障特征提取实验 | 第28-32页 |
| ·特征提取效果分析 | 第32页 |
| ·LDB算法选取最优小波包基 | 第32-35页 |
| 3 RBF神经网络 | 第35-42页 |
| ·RBF神经网络结构和工作原理 | 第35-37页 |
| ·RBF神经网络训练算法 | 第37-39页 |
| ·RBF神经网络的优势 | 第39-40页 |
| ·小结 | 第40-42页 |
| 4 ASGSO-RBF耦合算法研究及其性能仿真分析 | 第42-57页 |
| ·引言 | 第42页 |
| ·改进的萤火虫优化算法 | 第42-45页 |
| ·基于相似度准则的目标邻域集 | 第43-44页 |
| ·搜索步长的自适应调整策略 | 第44页 |
| ·ASGSO算法的收敛性分析 | 第44-45页 |
| ·ASGSO算法数值仿真实验 | 第45-51页 |
| ·分析测试函数 | 第47-48页 |
| ·评价指标 | 第48-49页 |
| ·仿真实验及结果分析 | 第49-51页 |
| ·ASGSO算法优化RBF神经网络模型 | 第51-54页 |
| ·萤火虫个体编码 | 第52页 |
| ·搜索空间维数的确定 | 第52页 |
| ·适应度函数的确定 | 第52-53页 |
| ·ASGSO-RBF耦合算法的实现过程 | 第53-54页 |
| ·ASGSO-RBF耦合算法的数据拟合实验 | 第54-56页 |
| ·小结 | 第56-57页 |
| 5 基于ASGSO-RBF耦合算法的采煤机滚动轴承故障诊断研究 | 第57-65页 |
| ·引言 | 第57页 |
| ·采煤机滚动轴承故障辨识模型 | 第57-58页 |
| ·基于ASGSO-RBF的采煤机故障诊断系统 | 第58-59页 |
| ·采煤机故障诊断原理 | 第58页 |
| ·采煤机滚动轴承故障辨识的具体步骤 | 第58-59页 |
| ·采煤机滚动轴承故障辨识实验及分析 | 第59-63页 |
| ·训练样本的数据组成 | 第59-61页 |
| ·ASGSO-RBF耦合算法结构及参数的确定 | 第61-62页 |
| ·采煤机滚动轴承故障辨识结果及分析 | 第62-63页 |
| ·小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |