| 第一章 绪论 | 第1-13页 |
| ·选题的目的和意义 | 第9页 |
| ·滚动轴承故障诊断技术的发展概况 | 第9-10页 |
| ·滚动轴承的诊断现状 | 第10-11页 |
| ·论文的主要内容 | 第11-13页 |
| 第二章 滚动轴承的故障特征分析 | 第13-27页 |
| ·概述 | 第13页 |
| ·滚动轴承故障的基本形式 | 第13-14页 |
| ·滚动轴承的振动类型及其故障特征分析 | 第14-22页 |
| ·滚动轴承的旋转机构 | 第14页 |
| ·滚动轴承的振动类型 | 第14-22页 |
| ·滚动轴承的固有振动频率 | 第16页 |
| ·滚动轴承的故障特征频率 | 第16-18页 |
| ·局部损伤类故障轴承的振动及其故障特征 | 第18-22页 |
| ·滚动轴承振动信号的统计特征 | 第22-27页 |
| ·时域特征参数 | 第22-24页 |
| ·谱域特征参数 | 第24-27页 |
| 第三章 小波分析的基本理论 | 第27-44页 |
| ·引言 | 第27页 |
| ·短时傅立叶变换 | 第27-29页 |
| ·连续小波变换 | 第29-34页 |
| ·连续小波变换的定义 | 第29-31页 |
| ·小波变换的时频分辨率 | 第31-33页 |
| ·小波逆变换及其对基本小波的要求 | 第33-34页 |
| ·连续小波变换的一些性质 | 第34页 |
| ·二进离散小波 | 第34-35页 |
| ·多分辨率分析 | 第35-37页 |
| ·小波包分析 | 第37-39页 |
| ·小波包的概念 | 第37-38页 |
| ·小波包分解与重构 | 第38页 |
| ·基于移频算法的小波包分解与重构 | 第38-39页 |
| ·基于小波分析的信号处理 | 第39-44页 |
| ·奇异信号检测 | 第39-42页 |
| ·信号消噪与弱信号提取 | 第42-44页 |
| 第四章 基于小波包分解和重构的包络解调与时延相关解调分析 | 第44-69页 |
| ·引言 | 第44页 |
| ·基于Hilbert算子的细化包络解调法 | 第44-62页 |
| ·包络解调原理 | 第44-45页 |
| ·带通滤波 | 第45-46页 |
| ·包络检波 | 第46-50页 |
| ·Hilbert算子 | 第46-47页 |
| ·Hilbert算子解调原理 | 第47-50页 |
| ·Hilbert算子解调的仿真运算 | 第50页 |
| ·频谱细化 | 第50-55页 |
| ·Chirp Z变换的原理 | 第50-52页 |
| ·Chirp Z变换的计算方法 | 第52-53页 |
| ·Chirp Z变换的应用 | 第53-55页 |
| ·基于包络解调的滚动轴承故障诊断实例分析 | 第55-62页 |
| ·时延相关解调法 | 第62-69页 |
| ·互相关函数及其自相关函数 | 第62-63页 |
| ·自相关函数的快速傅立叶计算 | 第63-64页 |
| ·自相关函数的降噪特性 | 第64页 |
| ·自相关函数的调幅特性 | 第64-65页 |
| ·基于时延相关解调法的滚动轴承故障诊断实例分析 | 第65-69页 |
| 第五章 基于神经网络的滚动轴承故障智能诊断 | 第69-77页 |
| ·引言 | 第69-70页 |
| ·基于小波包分解的故障特征提取 | 第70-71页 |
| ·BP神经网络及其改进算法 | 第71-73页 |
| ·输出数据的编码 | 第73页 |
| ·BP神经网络的训练 | 第73-75页 |
| ·基于神经网络的滚动轴承故障诊断实例分析 | 第75-77页 |
| 第六章 结论 | 第77-79页 |
| ·全文总结 | 第77页 |
| ·研究展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-82页 |