基于改进小波神经网络的故障识别方法研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·选题意义及背景 | 第7-8页 |
| ·论文相关领域研究现状 | 第8-10页 |
| ·故障诊断技术的发展现状 | 第8页 |
| ·小波神经网络的发展历史和研究现状 | 第8-10页 |
| ·小波神经网络在故障监测与诊断中的应用现状 | 第10页 |
| ·论文的主要研究内容 | 第10-12页 |
| 第二章 小波神经网络 | 第12-33页 |
| ·人工神经网络理论 | 第12-19页 |
| ·人工神经元模型 | 第12-13页 |
| ·神经网络的结构 | 第13-15页 |
| ·神经网络的学习 | 第15-18页 |
| ·BP网络的特点及局限性 | 第18-19页 |
| ·小波分析理论 | 第19-26页 |
| ·小波分析理论 | 第19-20页 |
| ·小波变换 | 第20-23页 |
| ·小波理论在信号分析中的应用 | 第23-25页 |
| ·常用小波函数 | 第25-26页 |
| ·小波神经网络算法研究 | 第26-32页 |
| ·小波神经网络算法推导 | 第27-30页 |
| ·小波神经网络算法的改进 | 第30-31页 |
| ·参数选择 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于遗传算法的小波神经网络 | 第33-42页 |
| ·遗传算法的原理 | 第33-38页 |
| ·染色体编码 | 第33-34页 |
| ·适应值函数 | 第34-35页 |
| ·遗传算子 | 第35-37页 |
| ·算法的终止条件 | 第37页 |
| ·算法参数 | 第37-38页 |
| ·遗传算法的求解步骤 | 第38-40页 |
| ·神经网络的遗传算法 | 第40-41页 |
| ·遗传算法与神经网络的结合方式 | 第40页 |
| ·神经网络的遗传算法的实现方法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 小波神经网络在故障诊断中的应用 | 第42-64页 |
| ·故障诊断系统结构 | 第42-49页 |
| ·信号采集 | 第42-43页 |
| ·特征提取 | 第43-48页 |
| ·故障识别 | 第48-49页 |
| ·轴承故障诊断实例 | 第49-52页 |
| ·滚动轴承故障机理 | 第49-50页 |
| ·滚动轴承故障信号分析 | 第50-51页 |
| ·轴承故障诊实现 | 第51-52页 |
| ·齿轮故障诊断实例 | 第52-57页 |
| ·齿轮常见故障描述 | 第52-53页 |
| ·故障特征分析 | 第53-55页 |
| ·齿轮故障诊断实现 | 第55-56页 |
| ·小波神经网络与BP网络在故障分类中的比较 | 第56-57页 |
| ·活塞压缩机故障诊断实例 | 第57-63页 |
| ·试验描述 | 第57-58页 |
| ·信号采集 | 第58-60页 |
| ·特征值提取 | 第60-62页 |
| ·诊断系统 | 第62页 |
| ·遗传小波神经网络与传统小波神经网络诊断结果比较 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-66页 |
| ·结论 | 第64-65页 |
| ·研究展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 在学期间发表学术论文和参加科研情况 | 第70页 |
