| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 机械设备故障诊断技术发展概述 | 第10-12页 |
| 1.2.1 机械故障诊断的发展历史 | 第11页 |
| 1.2.2 开展故障诊断技术研究的目的 | 第11-12页 |
| 1.2.3 设备故障诊断技术研究状况及发展趋势 | 第12页 |
| 1.3 电机故障诊断技术研究状况 | 第12-14页 |
| 1.4 本文主要内容及安排 | 第14-16页 |
| 第二章 相关知识 | 第16-29页 |
| 2.1 小波算法信号分析与处理 | 第16-21页 |
| 2.1.1 小波分析的由来 | 第16-17页 |
| 2.1.2 傅里叶分析 | 第17-18页 |
| 2.1.3 小波变换 | 第18-20页 |
| 2.1.4 多分辨率分析 | 第20-21页 |
| 2.2 小波包分析 | 第21-23页 |
| 2.3 人工神经网络 | 第23-28页 |
| 2.3.1 人工神经网络基本特征 | 第24-25页 |
| 2.3.2 人工神经网络基本模型 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 小波层内系数功率谱故障诊断方法 | 第29-36页 |
| 3.1 小波包分解与重构 | 第29-31页 |
| 3.2 小波系数功率谱 | 第31-32页 |
| 3.3 仿真验证 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 小波—神经网络故障诊断方法 | 第36-48页 |
| 4.1 故障诊断 BP 网络 | 第36-41页 |
| 4.1.1 BP 网络前馈计算 | 第36-38页 |
| 4.1.2 BP 网络权值调整规则 | 第38-40页 |
| 4.1.3 常用 BP 改进方法 | 第40-41页 |
| 4.2 小波包能量特征向量提取方法 | 第41-42页 |
| 4.3 仿真验证 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 小波—遗传优化 BP 神经网络故障诊断方法 | 第48-53页 |
| 5.1 遗传优化算法 | 第48-50页 |
| 5.2 优化网络步骤 | 第50页 |
| 5.3 仿真验证 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 发表文章目录 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附录一 | 第61-63页 |
| 附录二 | 第63-65页 |
| 附录三 | 第65-67页 |
| 详细摘要 | 第67-74页 |