| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题背景 | 第11-12页 |
| ·课题来源 | 第11页 |
| ·课题研究的目的及意义 | 第11-12页 |
| ·国内外设备故障诊断技术的发展研究综述 | 第12-14页 |
| ·设备故障诊断的发展方向 | 第13-14页 |
| ·设备故障诊断监测与诊断技术方法 | 第14页 |
| ·滚动轴承故障诊断的研究意义与发展趋势 | 第14-17页 |
| ·本论文研究的主要内容 | 第17页 |
| ·本章小结 | 第17-19页 |
| 第2章 滚动轴承故障诊断概述 | 第19-29页 |
| ·概述 | 第19页 |
| ·滚动轴承结构 | 第19-20页 |
| ·滚动轴承失效的基本形式 | 第20-21页 |
| ·滚动轴承振动机理及振动特征频率分析 | 第21-25页 |
| ·滚动轴承振动机理 | 第21页 |
| ·滚动轴承固有振动频率 | 第21-22页 |
| ·滚动轴承故障特征频率分析 | 第22-25页 |
| ·滚动轴承的振动及其故障特征 | 第25-27页 |
| ·滚动轴承振动信号的分析频带选择 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 小波分析基本理论 | 第29-39页 |
| ·引言 | 第29页 |
| ·小波分析理论简述 | 第29-36页 |
| ·小波分析的定义 | 第29-32页 |
| ·多分辨率分析 | 第32-34页 |
| ·小波包分析 | 第34-35页 |
| ·小波或小波包分解的信号重构 | 第35页 |
| ·小波或小波包分解的直观表示 | 第35-36页 |
| ·基于小波分析的信号处理 | 第36-38页 |
| ·信噪分离 | 第36-38页 |
| ·频带分析技术 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 人工神经网络诊断方法 | 第39-49页 |
| ·引言 | 第39-40页 |
| ·人工神经网络故障诊断简述 | 第40-41页 |
| ·人工神经网络的故障诊断能力 | 第40-41页 |
| ·神经网络故障诊断技术的特点 | 第41页 |
| ·径向基函数神经网络 | 第41-45页 |
| ·径向基函数(RBF)神经网络模型 | 第41-43页 |
| ·RBF神经网络算法 | 第43页 |
| ·RBF网络与多层感知器(MLP)的比较 | 第43-44页 |
| ·神经网络与模式特征提取 | 第44-45页 |
| ·RBF神经网络与BP神经网络仿真比较 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 滚动轴承故障诊断实验研究 | 第49-56页 |
| ·实验介绍 | 第49-50页 |
| ·实验台 | 第49页 |
| ·实验系统设计 | 第49-50页 |
| ·实验台的组成 | 第50-53页 |
| ·故障模拟器的组成 | 第51-52页 |
| ·传感器的选择 | 第52页 |
| ·数据采集系统 | 第52-53页 |
| ·实验台的功能 | 第53-54页 |
| ·测点的选择 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 小波神经网络技术在齿轮箱轴承故障诊断中的应用 | 第56-67页 |
| ·小波神经网络简介 | 第56-57页 |
| ·小波神经网络的结合途径 | 第56页 |
| ·小波分析与神经网络的松散型结合 | 第56-57页 |
| ·松散型小波神经网络故障诊断的基本构思 | 第57-59页 |
| ·松散型小波神经网络构思 | 第57-58页 |
| ·松散型小波神经网络故障诊断过程的具体内容 | 第58-59页 |
| ·基于小波分析的振动信号分析 | 第59-64页 |
| ·正弦信号+白噪声 | 第59页 |
| ·多普勒信号+白噪声 | 第59-60页 |
| ·小波减噪应用于齿轮箱轴承微弱故障信号诊断 | 第60-64页 |
| ·小波神经网络技术应用于齿轮箱轴承智能诊断 | 第64-66页 |
| ·小波神经网络故障诊断模型 | 第64页 |
| ·齿轮箱轴承故障特征向量的提取 | 第64-65页 |
| ·诊断结果 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论及展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第74页 |