| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·本论文研究的背景和意义 | 第10-11页 |
| ·工程车辆滚动轴承故障诊断技术简介及分类 | 第11-16页 |
| ·工程车辆滚动轴承信号处理方法 | 第11-12页 |
| ·工程车辆滚动轴承故障类型识别方法 | 第12-14页 |
| ·工程车辆滚动轴承故障诊断的步骤 | 第14页 |
| ·工程车辆滚动轴承故障诊断研究现状及发展趋势 | 第14-16页 |
| ·本论文的研究内容 | 第16-17页 |
| 第二章 工程车辆滚动轴承的故障机理及依据 | 第17-25页 |
| ·工程车辆滚动轴承的旋转结构 | 第17-18页 |
| ·工程车辆滚动轴承的振动类型 | 第18页 |
| ·工程车辆滚动轴承的特征频率和固有振动频率 | 第18-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于小波（包）分析的故障信号预处理 | 第25-46页 |
| ·傅里叶变换应用 | 第25-29页 |
| ·小波分析方法 | 第29-31页 |
| ·小波分析方法应用现状 | 第30-31页 |
| ·小波变换应用 | 第31页 |
| ·小波包分析方法应用 | 第31-35页 |
| ·小波包的定义 | 第32-33页 |
| ·小波包算法 | 第33-34页 |
| ·小波包能量特征的提出 | 第34-35页 |
| ·小波函数的选择 | 第35-39页 |
| ·常用的小波函数介绍 | 第35-37页 |
| ·小波基的特性 | 第37-38页 |
| ·滚动轴承故障信号处理中最佳小波基的选择 | 第38-39页 |
| ·分解尺度的确定 | 第39页 |
| ·小波（包）分析在工程车辆滚动轴承故障诊断中的应用 | 第39-44页 |
| ·小波分析对工程车辆滚动轴承故障信号消噪 | 第39-43页 |
| ·小波包分析对工程车辆滚动轴承故障信号消噪 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 工程车辆滚动轴承故障类型的识别 | 第46-65页 |
| ·基于BP 神经网络的故障识别系统设计 | 第46-51页 |
| ·BP 神经网络的算法 | 第46-47页 |
| ·BP 神经网络在滚动轴承故障诊断上的应用 | 第47-51页 |
| ·支持向量机在工程车辆滚动轴承故障识别中的应用 | 第51-64页 |
| ·支持向量机 | 第52-54页 |
| ·支持向量机多分类方法 | 第54-58页 |
| ·支持向量机在工程车辆滚动轴承故障诊断中的应用 | 第58-64页 |
| ·“一对多”算法仿真 | 第60-62页 |
| ·“一对一”算法仿真 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 工程车辆滚动轴承故障诊断系统设计 | 第65-81页 |
| ·信号采集及小波包预处理 | 第65-71页 |
| ·人工神经网络分析 | 第71-74页 |
| ·近邻函数准则结合DAG-SVMS 算法 | 第74-81页 |
| 第六章 结论与展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻硕期间取得的研究成果 | 第87-88页 |