| 第1章 绪论 | 第1-14页 |
| ·课题的研究目的和意义 | 第10页 |
| ·本课题有关的国内外研究现状 | 第10-12页 |
| ·多传感器数据融合研究现状 | 第10-11页 |
| ·轴承故障诊断研究现状 | 第11-12页 |
| ·本论文的主要研究工作 | 第12-13页 |
| ·本论文创新点 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第2章 基于 LABVIEW平台的多传感器数据采集 | 第14-35页 |
| ·混叠误差及抗混叠滤波 | 第14页 |
| ·信号的数字化 | 第14-16页 |
| ·A/D转换 | 第14-15页 |
| ·采样定理 | 第15-16页 |
| ·双通道数据采集的硬件构成 | 第16-24页 |
| ·声级测试仪 | 第17页 |
| ·主要技术性能 | 第17页 |
| ·工作原理 | 第17-19页 |
| ·加速度传感器 | 第19-21页 |
| ·压电加速度传感器电信号的前置放大 | 第21-22页 |
| ·数据采集卡 | 第22-24页 |
| ·虚拟仪器开发平台LBVlEW | 第24-28页 |
| ·虚拟仪器的构成及其特点 | 第24页 |
| ·虚拟仪器的硬件基础 | 第24-25页 |
| ·虚拟仪器的软件基础 | 第25-26页 |
| ·图形软件开发平台LabVIEW | 第26-28页 |
| ·双通道数据采集系统设计 | 第28-34页 |
| ·通用数据采集卡的驱动方法 | 第28-29页 |
| ·双通道数据采集系统的实现 | 第29-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 滚动轴承故障智能诊断的信号处理 | 第35-47页 |
| ·轴承采样信号处理的原理 | 第35页 |
| ·信号的加窗 | 第35-36页 |
| ·谱泄漏与加窗 | 第35-36页 |
| ·窗函数的选择 | 第36页 |
| ·信号的自相关处理 | 第36-37页 |
| ·自相关函数 | 第36-37页 |
| ·轴承故障诊断的小波变换 | 第37-40页 |
| ·小波分析理论 | 第38-40页 |
| ·轴承故障频率的计算 | 第40-43页 |
| ·轴承故障诊断的信号处理实现 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于信息融合技术的轴承故障诊断 | 第47-61页 |
| ·神经网络与故障模式识别 | 第48-50页 |
| ·常用的模式识别方法 | 第48-49页 |
| ·神经网络在故障模式识别中的应用 | 第49-50页 |
| ·基于 MATLAB的神经网络及实现 | 第50-57页 |
| ·神经元模型 | 第50-52页 |
| ·神经网络的结构 | 第52-53页 |
| ·神经网络的仿真 | 第53-54页 |
| ·神经网络的学习与训练 | 第54-55页 |
| ·BP神经网络及其 MATLAB实现 | 第55-57页 |
| ·基于信息融合的轴承故障诊断的即网络实现 | 第57-60页 |
| ·轴承故障诊断的特征向量 | 第57-58页 |
| ·基于信息融合的轴承故障诊断的BP网络设计 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 试验与数据分析 | 第61-69页 |
| ·试验步骤与方法 | 第61-62页 |
| ·信号的时、频域图像分析和轴承故障诊断 | 第62-68页 |
| ·滚动轴承信号图像分析 | 第62-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 结论与展望 | 第69-72页 |
| ·结论 | 第69-70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 作者在攻读硕士学位期间发表的论文 | 第76页 |