| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·滚动轴承故障诊断的研究意义 | 第8-9页 |
| ·滚动轴承故障诊断的研究现状 | 第9-14页 |
| ·滚动轴承故障诊断的发展阶段 | 第9页 |
| ·轴承故障诊断的常用的技术 | 第9-13页 |
| ·滚动轴承故障诊断的研究趋势 | 第13-14页 |
| ·论文工作及结构 | 第14-16页 |
| ·主要工作 | 第14页 |
| ·论文结构 | 第14-16页 |
| 第二章 滚动轴承的故障及其音频信号的特征参数提取 | 第16-37页 |
| ·滚动轴承的故障特点及类型 | 第16-17页 |
| ·滚动轴承故障音频信号的特征参数提取 | 第17-25页 |
| ·音频信号的采样 | 第17-18页 |
| ·预处理 | 第18-22页 |
| ·特征参数的提取 | 第22-25页 |
| ·LPCC特征参数的提取 | 第22-23页 |
| ·MFCC特征参数的提取 | 第23-25页 |
| ·引入小波分析的特征参数提取方法 | 第25-34页 |
| ·离散小波变换的原理 | 第26-27页 |
| ·音频信号的小波包分析 | 第27-30页 |
| ·对轴承故障音频信号分析的小波基选择 | 第30-31页 |
| ·基于小波包分析的音频信号特征参数提取 | 第31-34页 |
| ·DWT-MFCC与DWT-LPCC混合特征参数 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于BP神经网络的轴承故障诊断方法 | 第37-47页 |
| ·BP神经网络轴承故障诊断方法的原理 | 第37-42页 |
| ·BP网络的结构 | 第37-38页 |
| ·BP神经网络学习训练算法 | 第38-42页 |
| ·自适应学习与修正权值的BP算法 | 第42页 |
| ·采用自适应学习率的BP算法 | 第42页 |
| ·增加动量因子修正权值的BP算法 | 第42页 |
| ·传统的BP算法与自适应学习的BP算法的性能比较 | 第42-43页 |
| ·实验仿真及结果 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 DS-BP滚动轴承故障诊断方法 | 第47-56页 |
| ·D-S证据理论概述 | 第47-48页 |
| ·滚动轴承故障诊断的D-S推导过程 | 第48-51页 |
| ·证据理论的基本概念与公式 | 第48-49页 |
| ·证据组合规则 | 第49-50页 |
| ·基于基本概率赋值的决策 | 第50-51页 |
| ·利用D-S证据理论改进的BP神经网络诊断方法 | 第51-52页 |
| ·证据理论的示例分析 | 第52-53页 |
| ·基于音频信号的DS-BP滚动轴承故障诊断仿真及仿真结果分析 | 第53-55页 |
| ·基于音频信号的DS-BP滚动轴承故障诊断仿真实验 | 第53-54页 |
| ·BP神经网络法和D-S理论改进的神经网络法对比分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间主要的研究成果 | 第63页 |
