| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-20页 |
| ·选题背景及研究意义 | 第12页 |
| ·国内外研究现状与发展趋势 | 第12-14页 |
| ·国外研究现状 | 第13页 |
| ·国内研究现状 | 第13-14页 |
| ·风机故障诊断的主要环节 | 第14-16页 |
| ·风机故障诊断方法综述 | 第16-19页 |
| ·解析模型故障诊断方法 | 第16-17页 |
| ·信号处理故障诊断方法 | 第17页 |
| ·人工智能故障诊断方法 | 第17-19页 |
| ·本文主要研究内容 | 第19-20页 |
| 第二章 小波及小波包分析理论 | 第20-36页 |
| ·小波分析理论的发展概述 | 第20-21页 |
| ·小波分析 | 第21-26页 |
| ·小波函数 | 第21-24页 |
| ·连续小波变换 | 第24页 |
| ·离散小波变换 | 第24-26页 |
| ·多分辨分析 | 第26-27页 |
| ·小波包分析 | 第27-29页 |
| ·小波包去噪 | 第29-31页 |
| ·小波包去噪原理 | 第29-30页 |
| ·小波包去噪过程 | 第30页 |
| ·阈值处理方法 | 第30-31页 |
| ·小波包特征提取及仿真信号分析 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于BP 神经网络的故障诊断研究 | 第36-49页 |
| ·神经网络的基本特征和功能 | 第36-37页 |
| ·神经网络的基本特征 | 第36页 |
| ·神经网络的基本功能 | 第36-37页 |
| ·人工神经元及其功能函数 | 第37-39页 |
| ·BP 神经网络理论 | 第39-44页 |
| ·BP 网络结构 | 第39-40页 |
| ·BP 学习算法 | 第40-43页 |
| ·BP 学习算法的不足及改进 | 第43-44页 |
| ·BP 神经网络设计原则 | 第44-46页 |
| ·网络输入与输出参数的确定 | 第44页 |
| ·训练样本集的设计 | 第44-45页 |
| ·初始权值的设计 | 第45页 |
| ·网络隐层结构设计 | 第45-46页 |
| ·神经网络故障诊断技术 | 第46页 |
| ·BP 神经网络仿真分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于神经网络和小波分析的风机故障诊断专家系统的设计 | 第49-61页 |
| ·从传统专家系统到神经网络专家系统 | 第49-50页 |
| ·传统专家系统 | 第49-50页 |
| ·神经网络专家系统 | 第50页 |
| ·系统的总体设计 | 第50-53页 |
| ·系统的总体结构 | 第51页 |
| ·系统各模块的功能 | 第51-52页 |
| ·系统的诊断原理 | 第52-53页 |
| ·风机振动故障类型及特征 | 第53-58页 |
| ·风机故障原因分类 | 第54页 |
| ·转子的振动故障 | 第54-55页 |
| ·转轴的振动故障 | 第55-56页 |
| ·其它原因引起的故障 | 第56-58页 |
| ·系统诊断知识库的建立 | 第58-60页 |
| ·知识的获取 | 第58页 |
| ·知识的存储 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 系统的软件实现及其在风机故障诊断中的应用 | 第61-72页 |
| ·系统的软件实现 | 第61-68页 |
| ·系统软件开发方案 | 第61-63页 |
| ·系统各模块的实现 | 第63-68页 |
| ·风机故障诊断实例 | 第68-71页 |
| ·实验简介 | 第68-69页 |
| ·系统诊断结果分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·总结 | 第72页 |
| ·展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士期间所发表的论文 | 第78页 |