| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-12页 |
| ·课题研究的目的和意义 | 第8页 |
| ·国内外研究现状及现状分析 | 第8-9页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9页 |
| ·现状分析 | 第9页 |
| ·研究内容及技术路线 | 第9-10页 |
| ·研究内容 | 第9-10页 |
| ·技术路线 | 第10页 |
| ·全文内容安排 | 第10-11页 |
| ·本章小结 | 第11-12页 |
| 第2章 地铁风机结构原理及故障机理分析 | 第12-21页 |
| ·地铁轴流风机的结构与工作原理 | 第12-15页 |
| ·轴流风机的基本结构 | 第12-13页 |
| ·轴流风机的工作原理 | 第13页 |
| ·轴流风机的性能指标及分类 | 第13-15页 |
| ·地铁风机的典型故障分析处理 | 第15-17页 |
| ·地铁风机的常见故障类型 | 第15页 |
| ·滚动轴承的主要故障形式及产生原因 | 第15-17页 |
| ·地铁风机轴承的振动特性分析 | 第17-20页 |
| ·滚动轴承的典型结构及频率特征 | 第17-18页 |
| ·滚动轴承的固有振动频率 | 第18-19页 |
| ·滚动轴承的振动特征 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 地铁风机故障诊断的研究方法 | 第21-42页 |
| ·滤波 | 第21-23页 |
| ·FIR 滤波 | 第21-22页 |
| ·小波降噪 | 第22-23页 |
| ·小波和小波包分解 | 第23-28页 |
| ·连续小波变换及性质 | 第23-24页 |
| ·离散小波变换 | 第24-25页 |
| ·小波包分析 | 第25-28页 |
| ·故障信息的提取及分析处理 | 第28-30页 |
| ·传统故障特征提取方法 | 第28页 |
| ·基于小波包算法进行特征提取及分析处理 | 第28-30页 |
| ·神经网络概述 | 第30-32页 |
| ·神经网络的理论基础与发展 | 第30-31页 |
| ·神经网络的特点 | 第31-32页 |
| ·BP 神经网络 | 第32-35页 |
| ·BP 网络模型 | 第33-34页 |
| ·BP 网络学习算法 | 第34-35页 |
| ·径向基 RBF 网络 | 第35-39页 |
| ·RBF 神经网络模型 | 第36-37页 |
| ·RBF 神经网络的学习算法 | 第37-39页 |
| ·SOM 网络 | 第39-41页 |
| ·SOM 网络拓扑结构 | 第39-40页 |
| ·SOM 网络学习算法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 地铁风机故障诊断系统的设计 | 第42-48页 |
| ·系统硬件结构 | 第42-44页 |
| ·系统软件结构 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 地铁风机故障诊断系统的实现 | 第48-58页 |
| ·基于小波包和 BP 神经网络的故障诊断 | 第48-52页 |
| ·小波降噪 | 第48页 |
| ·正交小波基分解 | 第48-50页 |
| ·获取数据样本并归一化处理 | 第50-51页 |
| ·构建 BP 训练网络 | 第51页 |
| ·测试网络 | 第51-52页 |
| ·基于小波包和 RBF 神经网络的故障诊断 | 第52-53页 |
| ·小波降噪和小波包分解 | 第52页 |
| ·获取数据样本并归一化处理 | 第52-53页 |
| ·构建 RBF 训练网络并训练网络 | 第53页 |
| ·BP 网络与 RBF 网络分析的比较 | 第53页 |
| ·基于小波包和 SOM 神经网络的故障诊断 | 第53-56页 |
| ·选取标准故障样本 | 第53-54页 |
| ·创建 SOM 网络的竞争层 | 第54页 |
| ·构建 SOM 训练网络 | 第54-55页 |
| ·测试样本，分类预测 | 第55-56页 |
| ·结论 | 第56页 |
| ·基于小波包变换的 BP 神经网络、RBF 神经网络和 SOM 神经网络的比较 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结论与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |