| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题研究背景 | 第12页 |
| ·旋转机械振动故障诊断技术 | 第12-15页 |
| ·故障机理研究 | 第13页 |
| ·故障信号采集 | 第13页 |
| ·故障特征提取 | 第13-14页 |
| ·故障识别与诊断 | 第14-15页 |
| ·本文主要研究内容 | 第15-17页 |
| 第二章 小波变换理论 | 第17-34页 |
| ·短时傅里叶变换 | 第17-18页 |
| ·小波变换 | 第18-28页 |
| ·连续小波变换 | 第18-21页 |
| ·离散小波变换 | 第21-22页 |
| ·多分辨分析 | 第22-24页 |
| ·Mallat 算法 | 第24-25页 |
| ·常用的基本小波 | 第25-28页 |
| ·正交小波包变换 | 第28-32页 |
| ·信号边界延拓 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第三章 基于小波变换的旋转机械故障特征提取 | 第34-51页 |
| ·旋转机械典型故障特征 | 第34-36页 |
| ·转子不平衡 | 第34页 |
| ·转子不对中 | 第34-35页 |
| ·油膜涡动 | 第35页 |
| ·转子摩碰 | 第35-36页 |
| ·连续小波变换极大模值法提取特征值 | 第36-42页 |
| ·连续小波变换极大模 | 第36-37页 |
| ·Lipschitz 指数 | 第37-39页 |
| ·基于连续小波变换极大模法的转子典型故障特征分析 | 第39-42页 |
| ·基于正交小波包变换的旋转机械故障特征提取 | 第42-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 BP 神经网络研究 | 第51-63页 |
| ·神经元模型 | 第51-52页 |
| ·BP 神经网络 | 第52-56页 |
| ·BP 神经网络结构 | 第52-53页 |
| ·BP 神经网络学习算法 | 第53-55页 |
| ·BP 神经网络的设计 | 第55-56页 |
| ·BP 算法的特点 | 第56页 |
| ·小波神经网络 | 第56-61页 |
| ·小波神经网络概述 | 第56-57页 |
| ·基于 BP 算法的小波神经网络 | 第57-59页 |
| ·仿真分析 | 第59-61页 |
| ·BP 神经网络故障诊断的方法与步骤 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于小波变换与神经网络的旋转机械故障诊断研究 | 第63-70页 |
| ·转子系统故障试验概述 | 第63-64页 |
| ·转子系统故障的特征提取 | 第64-66页 |
| ·基于 BP 神经网络的转子系统故障诊断 | 第66-68页 |
| ·本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士期间所发表的论文 | 第76页 |