| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·机械故障诊断的意义及现状 | 第9-11页 |
| ·混沌理论的发展状况 | 第11-13页 |
| ·混沌理论的发展历史 | 第11页 |
| ·混沌理论在机械故障诊断中的应用 | 第11-13页 |
| ·本课题的研究意义和内容 | 第13-15页 |
| ·研究意义 | 第13页 |
| ·主要研究内容 | 第13-15页 |
| 第2章 混沌理论及小波去噪 | 第15-31页 |
| ·混沌简介及运动特点 | 第15-16页 |
| ·奇异吸引子 | 第16-17页 |
| ·混沌特征量 | 第17-19页 |
| ·Lyapunov 指数 | 第17-18页 |
| ·维数 | 第18页 |
| ·Kolmogorov 熵 | 第18-19页 |
| ·轧辊典型故障及模态分析 | 第19-23页 |
| ·轧辊典型故障 | 第19页 |
| ·裂纹对轧辊固有频率及振型的影响 | 第19-23页 |
| ·小波去噪的理论 | 第23-26页 |
| ·小波分析 | 第23-24页 |
| ·小波阈值去噪 | 第24-25页 |
| ·基于样本估计阈值的选取 | 第25-26页 |
| ·小波去噪的实际应用 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于混沌特征量的故障诊断 | 第31-52页 |
| ·相空间重构理论 | 第31-36页 |
| ·相空间重构 | 第31-32页 |
| ·相空间重构参数选取 | 第32-33页 |
| ·C—C 方法 | 第33-36页 |
| ·基于 Lyapunov 指数的机械故障诊断 | 第36-38页 |
| ·最大 Lyapunov 指数计算 | 第36-37页 |
| ·最大 Lyapunov 指数在故障诊断中的应用实例 | 第37-38页 |
| ·关联维数 | 第38-46页 |
| ·关联维数的计算方法 | 第38-39页 |
| ·关联维数在机械故障诊断应用 | 第39-46页 |
| ·基于 Kolmogorov 熵的故障诊断 | 第46-50页 |
| ·Kolmogorov 熵 | 第46页 |
| ·K 熵的计算原理 | 第46-48页 |
| ·K 熵在轧辊故障诊断中的应用 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 基于混沌理论振动信号预测 | 第52-66页 |
| ·时间序列预测简介 | 第52-53页 |
| ·回声状态网络 | 第53-55页 |
| ·回声状态网络介绍 | 第53-54页 |
| ·回声状态网络的训练过程 | 第54-55页 |
| ·基于回声状态网络的混沌时间序列直接预测方法 | 第55-56页 |
| ·回声状态网络应用实例 | 第56-62页 |
| ·回声状态网络的关键参数 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 故障诊断界面的设计和试验平台的建立 | 第66-76页 |
| ·界面的开发 | 第66-73页 |
| ·Visual C++ 6.0 与 MATLAB 混合编程 | 第66-67页 |
| ·混合编程步骤 | 第67-69页 |
| ·混沌故障诊断及预测界面设计 | 第69-73页 |
| ·信号采集实验 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间承担的科研任务与主要成 | 第83-84页 |
| 致谢 | 第84-85页 |
| 作者简介 | 第85页 |