| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究目的与意义 | 第8页 |
| 1.2 机械故障诊断技术的国内外发展趋势 | 第8-9页 |
| 1.3 LabVIEW的优势 | 第9-10页 |
| 1.4 本文主要研究内容和结构安排 | 第10-12页 |
| 1.4.1 本文主要研究内容 | 第10页 |
| 1.4.2 本文的结构安排 | 第10-12页 |
| 第二章 滚动轴承与齿轮故障机理分析 | 第12-16页 |
| 2.1 滚动轴承的故障机理 | 第12-13页 |
| 2.1.1 滚动轴承失效的主要形式及原因 | 第12页 |
| 2.1.2 滚动轴承故障诊断方法 | 第12-13页 |
| 2.2 齿轮的故障机理 | 第13-15页 |
| 2.2.1 齿轮故障形式及成因 | 第13-14页 |
| 2.2.2 齿轮故障诊断 | 第14-15页 |
| 2.3 滚动轴承和齿轮故障模拟试验平台 | 第15页 |
| 2.4 本章小结 | 第15-16页 |
| 第三章 滚动轴承与齿轮故障特征提取技术研究 | 第16-34页 |
| 3.1 时域特征提取方法 | 第16-20页 |
| 3.1.1 时域统计特征 | 第16-17页 |
| 3.1.2 滚动轴承时域特征参数提取 | 第17-19页 |
| 3.1.3 齿轮时域特征参数提取 | 第19-20页 |
| 3.2 频域特征分析 | 第20-27页 |
| 3.2.1 傅里叶变换 | 第20-21页 |
| 3.2.2 自功率谱分析 | 第21页 |
| 3.2.3 滚动轴承故障信号的频域分析 | 第21-24页 |
| 3.2.4 齿轮故障信号的频域分析 | 第24-27页 |
| 3.3 基于小波包的共振解调特征提取 | 第27-33页 |
| 3.3.1 共振解调的基本原理 | 第27页 |
| 3.3.2 小波去噪的预处理 | 第27-28页 |
| 3.3.3 连续小波变换 | 第28-29页 |
| 3.3.4 离散小波变换 | 第29页 |
| 3.3.5 小波包分析 | 第29-30页 |
| 3.3.6 基于小波包共振解调的滚动轴承故障信号的特征提取 | 第30-32页 |
| 3.3.7 基于小波包的共振解调的齿轮故障信号的特征提取 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于BP神经网络的故障诊断 | 第34-48页 |
| 4.1 人工神经网络概论 | 第34页 |
| 4.2 人工神经元模型 | 第34-35页 |
| 4.3 BP神经网络理论 | 第35-39页 |
| 4.3.1 BP神经网络模型 | 第35-36页 |
| 4.3.2 BP神经网络的学习方式及其流程图 | 第36-39页 |
| 4.4 BP神经网络故障诊断 | 第39-47页 |
| 4.4.1 BP神经网络训练样本集的获取与处理 | 第40-42页 |
| 4.4.2 BP神经网络故障诊断模型建立 | 第42-43页 |
| 4.4.3 BP神经网络对滚动轴承故障的训练 | 第43-45页 |
| 4.4.4 BP神经网络对齿轮故障的训练 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于LabVIEW的故障诊断系统的设计 | 第48-57页 |
| 5.1 测试诊断系统程序的总体设计 | 第48页 |
| 5.2 数据处理模块的设计 | 第48-54页 |
| 5.2.1 采集信号的回放模块的设计 | 第48-49页 |
| 5.2.2 时域特征参数提取模块的设计 | 第49-50页 |
| 5.2.3 频域特征分析模块的设计 | 第50-52页 |
| 5.2.4 小波消噪预处理模块的设计 | 第52-53页 |
| 5.2.5 基于小波包共振解调分析模块的设计 | 第53-54页 |
| 5.3 基于BP神经网络故障诊断系统模块的设计 | 第54-56页 |
| 5.3.1 基于BP神经网络滚动轴承故障诊断系统模块的设计 | 第54-55页 |
| 5.3.2 基于BP神经网络齿轮故障诊断系统模块的设计 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
