首页--工业技术论文--机械、仪表工业论文--机械零件及传动装置论文--转动机件论文--轴承论文--滚动轴承论文

基于小波阈值滤波和神经网络的滚动轴承智能化故障诊断

摘要第1-8页
Abstract第8-13页
第1章 绪论第13-26页
   ·课题研究的目的及意义第13-14页
   ·滚动轴承故障诊断技术的发展现状第14-23页
     ·滚动轴承故障诊断发展状况第14-16页
     ·滚动轴承故障诊断常用诊断方法综述第16-18页
     ·小波滤波和包络理论的发展及在故障诊断中的应用第18-22页
     ·神经网络法第22-23页
   ·论文的主要内容第23-25页
   ·本章小结第25-26页
第2章 滚动轴承故障诊断实验的软硬件系统第26-38页
   ·滚动轴承故障诊断实验的硬件系统和软件系统第26-32页
     ·滚动轴承故障诊断实验的硬件系统第26-28页
     ·滚动轴承故障诊断的软件系统第28-32页
   ·滚动轴承振动的机理及其故障特征频率第32-37页
     ·滚动轴承的结构组成第32-33页
     ·滚动轴承振动信号的特点第33-35页
     ·滚动轴承故障特征频率的计算方法第35页
     ·滚动轴承因损伤而产生振动信号的频率第35-36页
     ·各工况下故障特征频率和参数选择第36-37页
   ·本章小结第37-38页
第3章 离散傅立叶变换和小波变换的理论基础第38-49页
   ·傅立叶分析方法第38-41页
     ·傅立叶级数的定义第38-39页
     ·连续时间信号傅立叶变换的定义第39-40页
     ·离散傅立叶变换(DFT)和FFT第40-41页
   ·FFT变换的谱分析第41页
   ·小波变换的相关理论第41-48页
     ·小波变换的定义第42-43页
     ·多分辨分析第43-45页
     ·小波基函数的选择第45-48页
   ·本章小结第48-49页
第4章 小波滤波的基本原理和方法第49-61页
   ·小波滤波的数学模型及基本方法第49-50页
   ·小波阈值滤波第50-54页
     ·小波阈值滤波的一般步骤第51页
     ·阈值选取的经典方法第51-53页
     ·阈值函数选取的经典方法第53-54页
   ·软、硬阈值滤波和半阈值滤波第54-57页
     ·硬阈值滤波第54页
     ·软阈值滤波第54-55页
     ·半阈值滤波第55-56页
     ·阈值的确定第56-57页
   ·小波阈值滤波的改进算法第57-60页
     ·硬阈值和软阈值滤波的缺陷第57页
     ·阈值函数的改进型算法第57-59页
     ·分层阈值设计的使用第59-60页
   ·本章小结第60-61页
第5章 小波阈值滤波在滚动轴承故障诊断中的应用第61-76页
   ·小波滤波性能的评价标准第61-62页
     ·信噪比第61页
     ·信噪比增益第61-62页
     ·均方误差第62页
   ·小波阈值滤波的仿真第62-64页
     ·小波新阈值函数滤波与软硬阈值滤波的仿真比较第62-63页
     ·小波新阈值函数滤波前后各层高频信号的仿真比较第63-64页
   ·小波包络解调技术第64-67页
     ·包络解调技术的原理第64-65页
     ·小波实现带通滤波第65页
     ·包络检波第65-67页
   ·小波阈值滤波包络技术的原理和实现过程第67-68页
   ·小波阈值滤波包络技术在滚动轴承故障诊断中的应用第68-75页
     ·小波阈值滤波包络技术在滚动轴承故障诊断中的应用第68-73页
     ·采样点数对小波阈值滤波包络结果的影响第73-75页
   ·本章小结第75-76页
第6章 神经网络在滚动轴承故障诊断的应用第76-84页
   ·滚动轴承振动信号的特征抽取和归一化处理第76-80页
   ·BP神经网络对滚动轴承的故障诊断第80-83页
     ·BP神经元模型第80-81页
     ·BP神经网络原理第81-82页
     ·BP网络在滚动轴承故障诊断中的应用第82-83页
   ·本章小结第83-84页
第7章 滚动轴承智能化故障诊断系统第84-91页
   ·MATLAB编译器第84-86页
     ·MATLAB编译器的结构与运行机制第84-85页
     ·MATLAB编译器的功能第85-86页
   ·MATLAB与C语言的接口第86-87页
     ·MATLAB调用C程序-MEX的目的第86页
     ·MEX文件的结构第86-87页
   ·滚动轴承智能化故障诊断系统的实现第87-90页
     ·滚动轴承智能化故障诊断系统界面介绍第87-88页
     ·滚动轴承智能化故障诊断系统的实现和识别结果第88-90页
   ·本章小结第90-91页
结论与展望第91-93页
 1、本文结论第91-92页
 2、展望第92-93页
致谢第93-94页
参考文献第94-99页
攻读硕士学位期间发表的论文第99页

论文共99页,点击 下载论文
上一篇:基于神经网络的混沌时间序列预测
下一篇:统一电能质量调节器的控制方法研究