| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| ·选题背景及意义 | 第13-14页 |
| ·旋转机械故障诊断技术 | 第14-17页 |
| ·神经网络及智能算法在故障诊断领域的国内外研究现状 | 第17-18页 |
| ·国外研究现状 | 第17页 |
| ·国内研究现状 | 第17-18页 |
| ·主要内容与安排 | 第18-20页 |
| 第2章 神经网络及智能算法理论 | 第20-39页 |
| ·BP 神经网络的基本理论 | 第20-25页 |
| ·神经网络概述 | 第20页 |
| ·BP 神经网络模型与学习算法 | 第20-22页 |
| ·神经网络分类器概述 | 第22-25页 |
| ·遗传算法 | 第25-30页 |
| ·遗传算法的概述 | 第25页 |
| ·遗传算法的特点 | 第25-26页 |
| ·遗传算法的术语说明 | 第26-27页 |
| ·遗传算法的实现机制 | 第27-30页 |
| ·粒子群算法 | 第30-34页 |
| ·粒子群算法的概述 | 第30-32页 |
| ·粒子群算法流程 | 第32页 |
| ·PSO 算法参数的设置 | 第32-34页 |
| ·PSO 算法的优点 | 第34页 |
| ·杂草优化算法 | 第34-38页 |
| ·杂草生态学简述 | 第34-35页 |
| ·杂草优化算法的概述 | 第35页 |
| ·杂草优化算法的流程 | 第35-36页 |
| ·IWO 算法的全局收敛性 | 第36-37页 |
| ·杂草优化算法的参数设置 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 典型故障信号的分析和特征提取 | 第39-49页 |
| ·引言 | 第39页 |
| ·转子实验台简介 | 第39-40页 |
| ·典型故障信号概述 | 第40-41页 |
| ·动静碰摩故障 | 第40页 |
| ·转子不平衡故障 | 第40页 |
| ·转子底座松动故障 | 第40-41页 |
| ·转子不对中故障 | 第41页 |
| ·信息熵的概念及性质 | 第41-43页 |
| ·振动信号的信息熵描述 | 第43-47页 |
| ·振动信号的奇异谱熵 | 第43-44页 |
| ·振动信号的功率谱熵 | 第44-45页 |
| ·振动信号的时频域谱熵 | 第45-47页 |
| ·常用信号及其熵谱值 | 第47页 |
| ·基于信息熵的转子系统故障诊断 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于 HIWO-NN 的数据分类模型设计 | 第49-59页 |
| ·基本原理 | 第49页 |
| ·数据的归一化 | 第49-51页 |
| ·样本归一化的概念 | 第49-50页 |
| ·数据信息熵的归一化 | 第50-51页 |
| ·BP 神经网络结构设计 | 第51-52页 |
| ·拓扑结构 | 第51页 |
| ·隐层节点数 | 第51-52页 |
| ·传递函数的选择 | 第52页 |
| ·输出层节点数 | 第52页 |
| ·HIWO 算法设计 | 第52-54页 |
| ·编码 | 第52-53页 |
| ·适应度函数 | 第53页 |
| ·子代的矢量跟踪 | 第53-54页 |
| ·交叉操作 | 第54页 |
| ·其它 HIWO 算法参数的设置 | 第54页 |
| ·典型测试函数 | 第54-55页 |
| ·数值仿真 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 转子故障诊断系统的设计与实现 | 第59-68页 |
| ·转子故障特征向量计算 | 第59页 |
| ·转子故障的神经网络分类器设计 | 第59-61页 |
| ·基于 MATLAB GUI 的转子故障诊断系统的实现 | 第61-67页 |
| ·MATLAB GUI 简介 | 第61页 |
| ·MATLAB GUI 的设计原则和流程 | 第61-62页 |
| ·基于 MATLAB GUI 的转子故障诊断系统的功能 | 第62页 |
| ·基于 MATLAB GUI 的转子故障诊断系统的实现 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 结论与展望 | 第68-70页 |
| 主要结论 | 第68页 |
| 研究展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第75-76页 |
| 附录 B 参加科研项目情况 | 第76页 |
