| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第一章 回转机械设备故障诊断重要性、主要手段以及国内外研究现状 | 第7-20页 |
| ·回转机械设备故障诊断的重要性及意义 | 第7-8页 |
| ·回转机械设备故障诊断的主要方式手段及其优缺点 | 第8-12页 |
| ·振声诊断技术 | 第9-10页 |
| ·油样分析技术 | 第10-11页 |
| ·温度监测方法(红外监测技术) | 第11页 |
| ·无损检测技术(超声与声发射) | 第11-12页 |
| ·振声诊断信号处理的相关理论基础 | 第12-15页 |
| ·机械故障诊断的基本环节 | 第12页 |
| ·信号的分析处理手段及故障征兆的提取和识别 | 第12-15页 |
| ·机械设备故障振声诊断技术新兴方法的国内外研究现状 | 第15-20页 |
| ·机械故障诊断技术发展简史 | 第15页 |
| ·机械故障诊断技术的现状和存在的主要问题： | 第15-16页 |
| ·设备故障振声诊断的最新发展及其应用 | 第16-20页 |
| 第二章 小波分析诊断方法原理和应用概述 | 第20-33页 |
| ·小波分析的基本原理 | 第20页 |
| ·小波母函数的类型及工程应用选择小波类型的原则 | 第20-26页 |
| ·小波母函数的类型 | 第20-25页 |
| ·工程应用选择小波类型的原则 | 第25-26页 |
| ·小波分析的分类(CWT，DWT，WPT)及其原理异同 | 第26-29页 |
| ·连续小波变换的实质和基本分析步骤 | 第26-27页 |
| ·离散小波变换的实质和基本步骤 | 第27-28页 |
| ·小波包变换 | 第28-29页 |
| ·小波分析方法的优缺点及其发展现状和趋势 | 第29-33页 |
| ·小波分析的具体应用优点 | 第29-30页 |
| ·小波分析的不足之处 | 第30页 |
| ·振声诊断中小波分析方法的现状及发展动态 | 第30-33页 |
| 第三章 小波变换与传统傅里叶变换应用于典型故障诊断的比较 | 第33-51页 |
| ·典型的故障类型、成因及其信号模拟 | 第33-42页 |
| ·连续小波变换应用于典型故障诊断 | 第42-46页 |
| ·传统FFT与小波变换的结果比较 | 第46-51页 |
| 第四章 小波分析应用于信号降噪及其自适应方法 | 第51-68页 |
| ·小波应用于信号降噪的基本原理和实现方式(离散或连续小波) | 第52-53页 |
| ·离散小波分解降噪及其影响因素的研究 | 第53-61页 |
| ·自适应小波降噪及其与离散小波分解降噪的比较 | 第61-68页 |
| ·自适应Morlet小波 | 第61-63页 |
| ·自适应小波用于检测噪声信号中的周期脉冲 | 第63-66页 |
| ·正交离散小波变换(DWT)以及小波降噪方法与自适应Morlet小波方法的比较 | 第66-67页 |
| ·结论 | 第67-68页 |
| 第五章 小波分析方法与人工神经元网络技术相结合的探索 | 第68-77页 |
| ·人工神经元网络的主要原理和模型分类 | 第68-69页 |
| ·人工神经元网络的主要模型类型及其特点 | 第69-71页 |
| ·小波分析方法与人工神经元网络技术结合的实现步骤和要点 | 第71-72页 |
| ·小波分析方法与人工神经元网络技术相结合的实例和设想 | 第72-77页 |
| ·小波神经网络在齿轮早期故障诊断中的应用 | 第72-73页 |
| ·小波降噪与神经网络的结合在内燃机气缸气密性检测中的应用 | 第73-75页 |
| ·小波神经网络法在柴油机故障诊断中的应用 | 第75-76页 |
| ·小波神经网络法在故障诊断中的应用小结 | 第76-77页 |
| ·应用展望 | 第77页 |
| 结论 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-81页 |
