| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1. 绪论 | 第9-19页 |
| ·课题研究的背景和意义 | 第9页 |
| ·机械故障诊断技术的国内外发展现状 | 第9-11页 |
| ·国外机械故障诊断技术发展现状 | 第10页 |
| ·国内机械故障诊断技术发展现状 | 第10-11页 |
| ·基于振动信号分析的故障诊断方法 | 第11-16页 |
| ·信号的时域分析 | 第11-12页 |
| ·信号的频域分析 | 第12-13页 |
| ·信号的时频分析 | 第13-14页 |
| ·信号的智能诊断方法 | 第14-16页 |
| ·风机的故障类型 | 第16-17页 |
| ·论文的章节安排 | 第17-19页 |
| 2. 风机振动监测系统建立 | 第19-28页 |
| ·风机振动监测系统结构 | 第19-24页 |
| ·风机振动信号的频谱分析 | 第24-27页 |
| ·频谱分析的理论概述 | 第24-26页 |
| ·频谱分析仿真 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3. 基于小波阈值降噪的风机振动信号预处理 | 第28-41页 |
| ·小波分析基本理论概述 | 第28-34页 |
| ·小波变换 | 第28-29页 |
| ·常用的小波函数 | 第29-30页 |
| ·多分辨率分析和 Mallat 算法 | 第30-32页 |
| ·小波包理论 | 第32-34页 |
| ·小波阈值降噪 | 第34-38页 |
| ·阈值降噪原理 | 第34页 |
| ·阈值量化 | 第34-38页 |
| ·风机振动信号的降噪处理 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 4. 基于小波变换和 Hilbert 变换的包络分析方法研究 | 第41-48页 |
| ·Hilbert 变换理论 | 第41-42页 |
| ·基于 Hilbert 变换的小波包络分析在风机故障诊断中的应用 | 第42-47页 |
| ·小波包络分析的流程 | 第42-43页 |
| ·小波基函数的选取 | 第43页 |
| ·风机振动信号的小波包络分析 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 5. 基于小波包和 BP 神经网络的风机故障诊断 | 第48-76页 |
| ·人工神经网络 | 第48-52页 |
| ·人工神经元模型 | 第48-50页 |
| ·人工神经网络的特点 | 第50页 |
| ·人工神经网络的结构 | 第50-51页 |
| ·人工神经网络的学习 | 第51-52页 |
| ·BP 神经网络 | 第52-57页 |
| ·BP 神经网络结构 | 第52-53页 |
| ·BP 神经网络学习算法 | 第53-56页 |
| ·BP 神经网络的不足及改进 | 第56-57页 |
| ·小波神经网络在风机故障诊断中的应用 | 第57-75页 |
| ·小波神经网络概述 | 第57-58页 |
| ·基于小波包的特征提取方法 | 第58-59页 |
| ·风机振动信号的特征向量提取 | 第59-69页 |
| ·BP 神经网络模型的设计 | 第69-71页 |
| ·BP 神经网络仿真实验 | 第71-75页 |
| ·本章小结 | 第75-76页 |
| 6. 结论与展望 | 第76-78页 |
| 参考文献 | 第78-80页 |
| 攻读硕士学位期间发表学术论文情况 | 第80-81页 |
| 致谢 | 第81-82页 |
| 作者简介 | 第82-83页 |