| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题研究的目的和实用意义 | 第12页 |
| ·发电机故障诊断技术的国内外现状和发展趋势 | 第12-14页 |
| ·国内外发展现状 | 第12-13页 |
| ·发展趋势 | 第13-14页 |
| ·船舶发电机常见故障及检测方法 | 第14-16页 |
| ·船舶发电机常见故障 | 第14页 |
| ·船舶发电机故障常见诊断方法 | 第14-16页 |
| ·智能故障诊断技术研究发展状况 | 第16-17页 |
| ·课题研究内容和方法 | 第17-18页 |
| 第2章 船舶发电机轴承故障诊断技术 | 第18-28页 |
| ·船舶发电机结构及工作原理 | 第18-19页 |
| ·船舶发电机结构 | 第18页 |
| ·船舶发电机工作原理 | 第18-19页 |
| ·船舶发电机轴承故障的主要形式及原因 | 第19-21页 |
| ·轴承过热 | 第19页 |
| ·轴承损伤 | 第19-20页 |
| ·电机轴承过紧或过松 | 第20页 |
| ·轴承噪声 | 第20页 |
| ·发电机的轴承漏油 | 第20-21页 |
| ·轴承故障诊断技术 | 第21-22页 |
| ·基于定子电流分析方法的船舶发电机轴承故障诊断 | 第22-27页 |
| ·发电机轴承典型故障及其特征频率 | 第22页 |
| ·定子电流的特征频率 | 第22-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 小波分析在发电机故障诊断中的应用 | 第28-43页 |
| ·小波分析理论 | 第28-33页 |
| ·连续小波变换 | 第29-30页 |
| ·离散小波变换 | 第30页 |
| ·多分辨率分析和 MATLAB 算法 | 第30-33页 |
| ·小波包分析理论 | 第33-34页 |
| ·小波包含义 | 第33-34页 |
| ·小波包的空间分解 | 第34页 |
| ·小波包算法 | 第34页 |
| ·小波分析在发电机故障诊断中的应用 | 第34-42页 |
| ·小波包信号降噪 | 第35-38页 |
| ·小波包能量检测技术 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 神经网络在发电机故障诊断中的应用 | 第43-57页 |
| ·人工神经网络简述 | 第43-44页 |
| ·神经网络模型及结构 | 第43-44页 |
| ·神经网络的基本性质及应用 | 第44页 |
| ·BP 神经网络 | 第44-48页 |
| ·BP 神经元模型 | 第45-46页 |
| ·BP 学习算法步骤 | 第46-48页 |
| ·神经网络在船舶发电机故障诊断中的应用 | 第48-50页 |
| ·神经网络与故障模式识别方法 | 第48-49页 |
| ·神经网络在故障诊断中的应用 | 第49-50页 |
| ·船舶发电机轴承故障网络的设计 | 第50-53页 |
| ·BP 网络输入层和输出层的设计 | 第50-51页 |
| ·BP 网络隐层的设计 | 第51页 |
| ·BP 网络初始值的选取 | 第51页 |
| ·Elman 网络的设计 | 第51-53页 |
| ·神经网络在发电机轴承故障诊断实例分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 小波神经网络在船舶发电机故障诊断系统的应用 | 第57-70页 |
| ·故障诊断系统简述 | 第57-59页 |
| ·系统的硬件部分 | 第57页 |
| ·系统的软件部分 | 第57-59页 |
| ·小波神经网络概述 | 第59-60页 |
| ·小波神经网络结合方式 | 第60页 |
| ·故障诊断中小波神经网络的构造 | 第60页 |
| ·基于小波神经网络的船舶发电机轴承故障诊断步骤与实现 | 第60-69页 |
| ·船舶发电机轴承故障特征值提取 | 第61-65页 |
| ·Elman 神经网络的发电机轴承故障识别方法 | 第65-69页 |
| ·本章小结 | 第69-70页 |
| 总结与展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74-76页 |
| 致谢 | 第76-77页 |
| 详细摘要 | 第77-81页 |