| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 论文研究背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 PHM体系结构 | 第18-20页 |
| 1.4 论文组织结构安排 | 第20-23页 |
| 第二章 小波分析及神经网络理论基础 | 第23-41页 |
| 2.1 小波分析 | 第23-26页 |
| 2.1.1 连续小波变换 | 第23-24页 |
| 2.1.2 离散小波变换 | 第24-26页 |
| 2.2 多小波分析 | 第26-30页 |
| 2.2.1 多小波的定义 | 第26-28页 |
| 2.2.2 多小波的预滤波 | 第28-29页 |
| 2.2.3 多小波分解、重构 | 第29-30页 |
| 2.3 小波包分析 | 第30-32页 |
| 2.3.1 小波包的定义 | 第30-31页 |
| 2.3.2 小波包分解、重构 | 第31-32页 |
| 2.4 小波神经网络 | 第32-40页 |
| 2.4.1 BP神经网络 | 第33-34页 |
| 2.4.2 小波神经网络 | 第34-35页 |
| 2.4.3 小波神经网络的学习算法 | 第35-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 基于小波分析的PHM系统状态监测 | 第41-63页 |
| 3.1 引言 | 第41页 |
| 3.2 多小波阈值去噪 | 第41-52页 |
| 3.2.2 阈值的估计 | 第45-48页 |
| 3.2.3 阈值函数的选取 | 第48-49页 |
| 3.2.4 改进的阈值函数 | 第49-52页 |
| 3.3 信号特征向量提取 | 第52-60页 |
| 3.3.1 小波包分析提取 | 第52-57页 |
| 3.3.2 最优小波包提取 | 第57-60页 |
| 3.4 健康评估 | 第60页 |
| 3.5 本章小结 | 第60-63页 |
| 第四章 基于小波神经网络的PHM系统故障诊断与故障预测 | 第63-83页 |
| 4.1 引言 | 第63-64页 |
| 4.2 改进的小波神经网络学习算法 | 第64-67页 |
| 4.3 基于小波神经网络的故障诊断方法研究 | 第67-76页 |
| 4.3.1 诊断原理 | 第67-69页 |
| 4.3.2 诊断实例 | 第69-76页 |
| 4.4 基于小波神经网络的故障预测方法研究 | 第76-82页 |
| 4.4.1 预测原理 | 第76-78页 |
| 4.4.2 预测实例 | 第78-82页 |
| 4.5 本章小结 | 第82-83页 |
| 第五章 总结与展望 | 第83-85页 |
| 5.1 工作总结 | 第83页 |
| 5.2 工作展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-91页 |
| 作者简介 | 第91-92页 |