| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 前言 | 第8-13页 |
| ·故障诊断的背景及其意义 | 第8页 |
| ·国内外故障诊断技术的发展 | 第8-11页 |
| ·故障诊断的方法 | 第9-11页 |
| ·旋转机械振动信号分析 | 第11页 |
| ·论文的主要工作和章节安排 | 第11-13页 |
| 第2章 虚拟仪器 | 第13-24页 |
| ·虚拟仪器的概念 | 第13-14页 |
| ·虚拟仪器相对于传统仪器的优势 | 第14-16页 |
| ·图形化的编程语言—LABVIEW | 第16-17页 |
| ·LABVIEW与MATLAB的混合编程 | 第17-21页 |
| ·调用MATLAB的脚本节点实现 | 第17-18页 |
| ·COM组件技术 | 第18-20页 |
| ·利用动态链接库（DLL）实现混合编程 | 第20-21页 |
| ·几种混合编程方法的比较 | 第21页 |
| ·基于LABVIEW的远程监测实现方式 | 第21-23页 |
| ·基于C/S模式的DataSocket技术 | 第21-22页 |
| ·基于B/S模式的远程前面板（remote panels）技术 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 小波分析的基本理论及其在故障诊断中的应用 | 第24-34页 |
| ·傅立叶分析及其优点和缺陷 | 第24-26页 |
| ·傅立叶变换 | 第24-25页 |
| ·傅立叶变换的优点与局限 | 第25-26页 |
| ·小波变换理论 | 第26-30页 |
| ·小波变换的基本概念 | 第26-28页 |
| ·小波包分析 | 第28-29页 |
| ·多小波变换 | 第29-30页 |
| ·小波基的选取 | 第30-31页 |
| ·小波在故障诊断中的应用 | 第31-33页 |
| ·小波去噪方法的研究 | 第31-32页 |
| ·小波在故障信号特征提取中的应用 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 神经网络的基本理论及其在故障诊断中的应用 | 第34-44页 |
| ·人工神经网络的基本概念 | 第34-36页 |
| ·神经网络的拓扑结构 | 第35-36页 |
| ·神经网络的学习规则 | 第36页 |
| ·BP神经网络 | 第36-40页 |
| ·BP神经网络的学习过程 | 第37-38页 |
| ·BP神经网络的主要特点 | 第38-39页 |
| ·BP神经网络在机械故障诊断中的应用 | 第39-40页 |
| ·自组织特征映射网络 | 第40-43页 |
| ·自组织特征映射网络简介 | 第40-41页 |
| ·SOM算法原理 | 第41-42页 |
| ·SOM网络在故障诊断中的应用 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 基于小波神经网络的远程故障诊断系统 | 第44-59页 |
| ·旋转机械故障仿真模型 | 第44-45页 |
| ·基于LABVIEW的故障诊断平台的构建 | 第45-50页 |
| ·总体构成及设计方案 | 第45-47页 |
| ·数据采集及存取 | 第47-49页 |
| ·故障诊断模块 | 第49-50页 |
| ·小波神经网络简介 | 第50-51页 |
| ·小波-神经网络两种结构形式 | 第50页 |
| ·小波分析与神经网络的松散型结合 | 第50-51页 |
| ·一种松散型小波神经网络故障诊断的新方法 | 第51-58页 |
| ·LDB算法 | 第51-52页 |
| ·故障诊断流程 | 第52-53页 |
| ·用改进的LDB算法提取故障特征 | 第53-55页 |
| ·基于SOM-BP混合网络的故障定位 | 第55-57页 |
| ·实验结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 总结 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录：攻读硕士学位期间的科研成果 | 第65-66页 |
| 个人简历 | 第66页 |