| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的意义 | 第10页 |
| 1.2 滚动轴承故障诊断的研究现状 | 第10-14页 |
| 1.2.1 振动信号特征提取的研究 | 第10-12页 |
| 1.2.2 智能诊断方法的研究现状 | 第12-13页 |
| 1.2.3 故障诊断仪国内外研究现状 | 第13-14页 |
| 1.3 Android平台发展现状及优势 | 第14-15页 |
| 1.4 论文的主要内容和章节安排 | 第15-17页 |
| 第2章 滚动轴承故障特征分析与系统方案设计 | 第17-27页 |
| 2.1 滚动轴承的故障机理 | 第17-19页 |
| 2.2 滚动轴承振动信号处理与特征参数提取 | 第19-25页 |
| 2.2.1 滚动轴承振动信号处理方法 | 第19-22页 |
| 2.2.2 振动信号特征参数提取 | 第22-25页 |
| 2.3 基于Android平台的滚动轴承故障诊断系统方案设计 | 第25-27页 |
| 2.3.1 基于无线Wi Fi技术故障诊断的可行性研究 | 第25-26页 |
| 2.3.2 系统技术方案设计 | 第26-27页 |
| 第3章 基于遗传模拟退火算法的自适应共振解调特征提取方法 | 第27-49页 |
| 3.1 共振解调技术特征提取原理 | 第27-29页 |
| 3.2 包络谱峰值因子在共振解调中的研究与应用 | 第29-32页 |
| 3.2.1 共振解调共振带的选取问题 | 第29页 |
| 3.2.2 包络谱峰值因子指标的提出 | 第29-32页 |
| 3.3 遗传算法的实现原理及特点 | 第32-33页 |
| 3.4 模拟退火算法的实现原理及特点 | 第33-35页 |
| 3.5 基于遗传模拟退火的自适应共振解调方法的算法设计 | 第35-39页 |
| 3.5.1 自适应共振解调方法实现原理 | 第35页 |
| 3.5.2 自适应共振解调技术问题的适应度函数 | 第35页 |
| 3.5.3 自适应共振解调技术问题的约束条件 | 第35-36页 |
| 3.5.4 自适应共振解调技术的遗传模拟退火算法求解步骤 | 第36-39页 |
| 3.6 实验仿真验证 | 第39-48页 |
| 3.6.1 仿真信号对算法进行验证 | 第39-42页 |
| 3.6.2 试验台数据对算法进行验证 | 第42-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 遗传算法优化BP神经网络故障诊断模型设计 | 第49-59页 |
| 4.1 BP神经网络的原理与特点 | 第49-50页 |
| 4.2 遗传算法与BP神经网络的结合 | 第50-52页 |
| 4.3 轴承故障特征参数的选取 | 第52-53页 |
| 4.4 遗传算法优化神经网络故障诊断算法实现 | 第53-58页 |
| 4.4.1 神经网络故障诊断系统的搭建 | 第53-54页 |
| 4.4.2 遗传神经网络参数的设置 | 第54页 |
| 4.4.3 神经网络训练与诊断样本 | 第54-56页 |
| 4.4.4 神经网络训练与诊断结果 | 第56-58页 |
| 4.4.5 BP神经网络优化前后性能比较 | 第58页 |
| 4.5 本章小节 | 第58-59页 |
| 第5章 数据采集分析仪硬件电路的设计 | 第59-66页 |
| 5.1 硬件电路总体结构设计 | 第59-60页 |
| 5.2 硬件电路各模块设计 | 第60-65页 |
| 5.2.1 加速度传感器单元电路设计 | 第60-61页 |
| 5.2.2 信号调理单元电路设计 | 第61-64页 |
| 5.2.3 数据采集单元电路设计 | 第64页 |
| 5.2.4 数据采集传输控制器（DSP+Wi Fi） | 第64-65页 |
| 5.2.5 串口调试单元电路设计 | 第65页 |
| 5.3 本章小结 | 第65-66页 |
| 第6章 诊断系统软件设计 | 第66-76页 |
| 6.1 引言 | 第66页 |
| 6.2 DSP处理器软件设计 | 第66-67页 |
| 6.3 Android手机端智能故障诊断系统软件设计 | 第67-75页 |
| 6.3.1 智能故障诊断系统总体设计 | 第67-68页 |
| 6.3.2 Android手机与DSP通信实现 | 第68-70页 |
| 6.3.3 Android手机与云服务器通信实现 | 第70页 |
| 6.3.4 JNI调用C/C++算法程序库 | 第70-71页 |
| 6.3.5 Android手机客户端用户界面设计 | 第71-75页 |
| 6.4 本章小结 | 第75-76页 |
| 第7章 故障诊断系统测试 | 第76-87页 |
| 7.1 故障诊断实验平台简介 | 第76页 |
| 7.2 数据采集分析仪与Android手机的链接 | 第76-79页 |
| 7.3 系统验证结果及分析 | 第79-86页 |
| 7.3.1 原始信号时域分析和FFT频谱分析 | 第79-80页 |
| 7.3.2 运用Hilbert包络谱综合对比分析 | 第80-83页 |
| 7.3.3 基于神经网络模型的智能诊断分析结果 | 第83-84页 |
| 7.3.4 自适应共振解调方法结合人工神经网络进行综合诊断 | 第84-86页 |
| 7.4 本章小结 | 第86-87页 |
| 第8章 总结与展望 | 第87-89页 |
| 8.1 总结 | 第87-88页 |
| 8.2 展望 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-95页 |
| 附录1 攻读硕士学位期间的成果 | 第95-96页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第96页 |
