| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·选题的目的和意义 | 第8-9页 |
| ·故障诊断技术的发展 | 第9页 |
| ·基于小波分析的滚动轴承故障诊断研究现状 | 第9-12页 |
| ·基于神经网络的智能故障诊断的研究 | 第12-13页 |
| ·本文研究内容 | 第13-15页 |
| 第二章 滚动轴承的故障机理及诊断方法 | 第15-24页 |
| ·滚动轴承失效的基本形式 | 第15-16页 |
| ·滚动轴承的振动类型和振动机理 | 第16-17页 |
| ·滚动轴承的振动类型 | 第16-17页 |
| ·滚动轴承的振动机理 | 第17页 |
| ·滚动轴承的固有振动频率 | 第17-19页 |
| ·滚动轴承的故障特征频率 | 第18-19页 |
| ·滚动轴承的振动诊断方法 | 第19-24页 |
| ·特征参数法 | 第19-22页 |
| ·频谱分析法 | 第22-23页 |
| ·包络分析法 | 第23-24页 |
| 第三章 傅立叶变换和小波变换 | 第24-47页 |
| ·傅立叶变换 | 第24-27页 |
| ·短时傅立叶变换 | 第27-29页 |
| ·连续小波变换 | 第29-35页 |
| ·连续小波基函数 | 第29-32页 |
| ·连续小波变化的定义和性质 | 第32-35页 |
| ·离散小波变换 | 第35-36页 |
| ·多分辨率分析与Mallat算法 | 第36-40页 |
| ·多分辨率分析 | 第36-38页 |
| ·二进正交小波变换的Mallat算法 | 第38-40页 |
| ·多分辨率分析在滚动轴承故障诊断中的应用 | 第40-47页 |
| ·利用小波变换对信号降噪 | 第40-41页 |
| ·运用多分辨率分解和重构对故障信号进行分析 | 第41-42页 |
| ·基于Hilbert变换的包络解调 | 第42-45页 |
| ·基于Chirp z变换的频谱细化 | 第45-47页 |
| 第四章 基于小波包分析的滚动轴承故障特征频率的提取 | 第47-53页 |
| ·小波包的定义 | 第47-48页 |
| ·小波包的子空间分解 | 第48-49页 |
| ·最优小波包基的选择 | 第49-50页 |
| ·信号的小波包降噪 | 第50-51页 |
| ·基于小波包分析的滚动轴承故障频率的识别 | 第51-53页 |
| 第五章 基于神经网络RBF的滚动轴承故障分类 | 第53-66页 |
| ·人工神经网络 | 第53-55页 |
| ·基于小波包的能量特征的提取 | 第55-56页 |
| ·径向基网络 | 第56-61页 |
| ·径向基网络模型 | 第57-59页 |
| ·RBF网络的学习算法 | 第59-61页 |
| ·RBF网络的训练及故障诊断 | 第61-64页 |
| ·基于Fisher线性判别的滚动轴承故障分类 | 第64-66页 |
| 第六章 结论与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 攻读学位期间的研究成果 | 第71页 |