| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究进展与现状 | 第8-10页 |
| 1.3 研究内容和主要创新点 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 第二章 第二代小波及特征选择方法研究 | 第12-21页 |
| 2.1 小波分析理论 | 第12-14页 |
| 2.1.1 小波分析简介 | 第12页 |
| 2.1.2 小波变换 | 第12-13页 |
| 2.1.3 离散小波变换 | 第13页 |
| 2.1.4 小波包变换 | 第13-14页 |
| 2.2 第二代小波方法 | 第14-18页 |
| 2.2.1 插值第二代小波提升算法 | 第15-17页 |
| 2.2.2 第二代小波等效滤波器 | 第17-18页 |
| 2.3 插值第二代小波应用实例 | 第18-19页 |
| 2.4 冗余插值第二代小波 | 第19-20页 |
| 2.5 本章总结 | 第20-21页 |
| 第三章 汽轮机故障机理及研究现状 | 第21-28页 |
| 3.1 转子常见故障分析 | 第21-25页 |
| 3.1.1 转子质量不平衡 | 第21-23页 |
| 3.1.2 转子不对中 | 第23-24页 |
| 3.1.3 动静碰磨 | 第24-25页 |
| 3.2 滚动轴承故障 | 第25-27页 |
| 3.2.1 滚动轴承故障原因分析 | 第25-26页 |
| 3.2.2 滚动轴承特征频率 | 第26页 |
| 3.2.3 故障轴承振动信号特征 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章 振动信号的采集与特征提取 | 第28-42页 |
| 4.1 振动信号的特征提取 | 第28-30页 |
| 4.1.1 振动信号时域分析方法 | 第28-29页 |
| 4.1.2 振动信号频域分析方法 | 第29-30页 |
| 4.1.3 振动信号时频分析方法 | 第30页 |
| 4.2 转子和滚动轴承故障模拟实验 | 第30-34页 |
| 4.2.1 转子实验台简介 | 第31-32页 |
| 4.2.2 滚动轴承实验台简介 | 第32-34页 |
| 4.3 冗余插值第二代小波能量特征提取方法的应用 | 第34-36页 |
| 4.4 基于尺度变换的冗余插值第二代小波能量提取在转子故障诊断中的应用 | 第36-38页 |
| 4.5 希尔伯特振动分解 | 第38-40页 |
| 4.5.1 Hilbert包络解调原理 | 第38-39页 |
| 4.5.2 HVD方法 | 第39页 |
| 4.5.3 HVD方法在汽轮机轴承故障诊断中的应用 | 第39-40页 |
| 4.6 本章小结 | 第40-42页 |
| 第五章 基于BP和Elman神经网络的汽轮机轴承故障诊断 | 第42-52页 |
| 5.1 BP神经网络故障诊断模型 | 第42-44页 |
| 5.1.1 神经网络的分类 | 第42页 |
| 5.1.2 BP神经网络的特点 | 第42-43页 |
| 5.1.3 BP神经网络模型 | 第43-44页 |
| 5.1.4 BP神经网络轴承诊断系统 | 第44页 |
| 5.2 BP神经网络在汽轮机轴承故障诊断中的应用 | 第44-47页 |
| 5.3 Elman神经网络故障诊断模型 | 第47-48页 |
| 5.3.1 Elman神经网络模型 | 第47页 |
| 5.3.2 Elman神经网络学习过程及算法流程图 | 第47-48页 |
| 5.4 基于Elman神经网络的汽轮机轴承故障预测实例分析 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 总结和展望 | 第52-53页 |
| 6.1 全文总结 | 第52页 |
| 6.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 发表论文和科研情况说明 | 第56-57页 |
| 致谢 | 第57页 |
