| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 故障诊断的发展与研究现状 | 第11-13页 |
| 1.1.1 机械设备故障诊断国内外研究现状 | 第11-12页 |
| 1.1.2 风力发电机的故障诊断技术国内外研究现状 | 第12-13页 |
| 1.2 小波神经网络的发展与现状 | 第13-19页 |
| 1.2.1 人工神经网络的发展 | 第13-15页 |
| 1.2.2 小波理论的发展 | 第15-17页 |
| 1.2.3 小波神经网络的构造形式及特点 | 第17-18页 |
| 1.2.4 小波神经网络的进展及应用前景 | 第18-19页 |
| 1.3 本课题的研究意义和主要工作 | 第19-21页 |
| 1.3.1 课题的研究意义 | 第19-20页 |
| 1.3.2 本文主要工作 | 第20-21页 |
| 第2章 相关理论和技术 | 第21-29页 |
| 2.1 人工神经网络 | 第21-24页 |
| 2.1.1 神经网络结构的设计 | 第21-22页 |
| 2.1.2 基于BP算法的多层前馈网络模型 | 第22-24页 |
| 2.2 小波理论 | 第24-28页 |
| 2.2.1 小波函数 | 第24-26页 |
| 2.2.2 连续小波变换 | 第26-27页 |
| 2.2.3 离散小波变换 | 第27页 |
| 2.2.4 多分辨率分析 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于粗糙集和BP神经网络的风机故障诊断 | 第29-53页 |
| 3.1 问题提出 | 第29页 |
| 3.2 粗糙集理论和神经网络学习算法 | 第29-38页 |
| 3.2.1 粗糙集理论 | 第29-32页 |
| 3.2.2 差别矩阵法 | 第32-35页 |
| 3.2.3 BP神经网络的学习算法 | 第35-38页 |
| 3.3 总体流程 | 第38-40页 |
| 3.4 相关定义 | 第40页 |
| 3.5 算法步骤 | 第40-41页 |
| 3.6 实验分析 | 第41-51页 |
| 3.6.1 数据集 | 第41-42页 |
| 3.6.2 实验过程 | 第42-48页 |
| 3.6.3 实验结果 | 第48-51页 |
| 3.7 本章小结 | 第51-53页 |
| 第4章 基于小波神经网络的风机故障诊断 | 第53-69页 |
| 4.1 问题提出 | 第53页 |
| 4.2 主元分析法和小波神经网络 | 第53-58页 |
| 4.2.1 主元分析法 | 第53-56页 |
| 4.2.2 小波神经网络的学习算法 | 第56-58页 |
| 4.3 总体流程 | 第58-59页 |
| 4.4 相关定义 | 第59-60页 |
| 4.5 算法步骤 | 第60-61页 |
| 4.6 实验分析 | 第61-68页 |
| 4.6.1 实验过程 | 第61-64页 |
| 4.6.2 实验结果 | 第64-68页 |
| 4.7 本章小结 | 第68-69页 |
| 第5章 结束语 | 第69-71页 |
| 5.1 全文总结 | 第69页 |
| 5.2 进一步的工作 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |