| 前言 | 第1-11页 |
| 第一章 故障诊断技术 | 第11-17页 |
| ·引言 | 第11页 |
| ·故障诊断中的基本概念 | 第11-12页 |
| ·故障诊断的任务及内容 | 第12页 |
| ·故障诊断的意义 | 第12-13页 |
| ·故障诊断方法概述 | 第13-16页 |
| ·依赖于模型的故障诊断方法 | 第13-14页 |
| ·不依赖于模型的故障诊断方法 | 第14-16页 |
| ·基于离散事件的故障诊断方法 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第二章 小波分析的理论及其应用 | 第17-33页 |
| ·引言 | 第17页 |
| ·小波分析的基本理论 | 第17-29页 |
| ·小波分析的形成与发展 | 第17-19页 |
| ·连续小波变换 | 第19-20页 |
| ·离散小波变换 | 第20-21页 |
| ·小波框架 | 第21-23页 |
| ·多分辨率分析与Mallat 算法 | 第23-27页 |
| ·小波包分析 | 第27-29页 |
| ·信号的小波消噪和特征向量的提取 | 第29-32页 |
| ·信号的小波消噪 | 第29-31页 |
| ·基于多分辨率分析的信号特征向量的提取 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络的构造 | 第33-47页 |
| ·引言 | 第33页 |
| ·小波神经网络 | 第33-43页 |
| ·小波神经网络概述 | 第33-34页 |
| ·小波神经网络的结构 | 第34-39页 |
| ·小波神经网络的基本算法 | 第39-43页 |
| ·基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络 | 第43-45页 |
| ·网络的提出及其特点 | 第43-44页 |
| ·网络的结构与流程图 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 基于单尺度多维紧支径向小波框架的自适应对角回归小波神经网络的抽油机井故障诊断 | 第47-61页 |
| ·引言 | 第47页 |
| ·抽油机井故障简介 | 第47-48页 |
| ·故障数据的归一化处理与特征向量的提取 | 第48-54页 |
| ·故障数据的归一化处理 | 第48-50页 |
| ·基于小波包分解的信号特征向量的提取 | 第50-54页 |
| ·网络的学习算法 | 第54-55页 |
| ·网络的参数初始化方法 | 第55-57页 |
| ·尺度和位移的初始化方法 | 第55-56页 |
| ·权值的初始化方法 | 第56-57页 |
| ·诊断结果及讨论 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士期间发表论文 | 第68-69页 |
| 大庆石油学院硕士研究生学位论文摘要 | 第69-76页 |
