| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| Contents | 第10-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题的研究背景及意义 | 第13-14页 |
| 1.2 声学故障诊断的研究现状 | 第14-18页 |
| 1.2.1 声音识别技术应用领域 | 第14-15页 |
| 1.2.2 声学故障诊断的研究现状 | 第15-17页 |
| 1.2.3 声学故障诊断的基本过程 | 第17-18页 |
| 1.3 论文的主要研究内容 | 第18-20页 |
| 第二章 小波变换在微电机声音信号分析中的应用 | 第20-39页 |
| 2.1 小波变换基本理论 | 第20-29页 |
| 2.1.1 小波变换的定义 | 第20-21页 |
| 2.1.2 连续小波变换 | 第21-22页 |
| 2.1.3 离散小波变换 | 第22页 |
| 2.1.4 多分辨率分析 | 第22-24页 |
| 2.1.5 Mallat算法 | 第24-25页 |
| 2.1.6 小波包理论 | 第25-27页 |
| 2.1.7 常用小波基函数 | 第27-29页 |
| 2.2 小波变换在微电机声学故障诊断中的应用 | 第29-38页 |
| 2.2.1 小波基函数的选择 | 第29-30页 |
| 2.2.2 小波降噪在微电机故障检测中的应用 | 第30-31页 |
| 2.2.3 基于小波包能量谱的微电机故障信号特征提取 | 第31-32页 |
| 2.2.4 对实测微电机信号进行降噪和能量特征提取 | 第32-38页 |
| 2.3 本章小结 | 第38-39页 |
| 第三章 基于小波神经网络的微电机故障诊断 | 第39-57页 |
| 3.1 人工神经网络 | 第39-43页 |
| 3.1.1 人工神经元模型 | 第39-41页 |
| 3.1.2 人工神经网络结构 | 第41页 |
| 3.1.3 人工神经网络常用学习方法 | 第41-42页 |
| 3.1.4 人工神经在故障诊断中的应用 | 第42-43页 |
| 3.2 BP神经网络原理 | 第43-49页 |
| 3.2.1 BP网络结构 | 第43-44页 |
| 3.2.2 BP网络学习算法 | 第44-48页 |
| 3.2.3 BP网络不足及改进 | 第48-49页 |
| 3.3 松散型小波神经网络在微电机故障诊断中的应用 | 第49-56页 |
| 3.3.1 松散型小波神经网络概述 | 第50-51页 |
| 3.3.2 神经网络模型设计 | 第51-52页 |
| 3.3.3 仿真实验 | 第52-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 微电机故障诊断系统设计 | 第57-69页 |
| 4.1 系统总体设计方案 | 第57-58页 |
| 4.2 系统硬件设计实现 | 第58-60页 |
| 4.2.1 声音传感器的选择 | 第58-59页 |
| 4.2.2 数据采集卡的选择 | 第59-60页 |
| 4.3 系统软件设计实现 | 第60-68页 |
| 4.3.1 数据的采集、显示 | 第61-62页 |
| 4.3.2 数据存储及回放 | 第62-64页 |
| 4.3.3 数据分析及处理 | 第64-65页 |
| 4.3.4 关键技术在LabVIEW中的实现 | 第65-68页 |
| 4.4 本章小结 | 第68-69页 |
| 结论及展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位其间发表的论文及奖项 | 第75-77页 |
| 致谢 | 第77页 |
