| 1 绪论 | 第7-13页 |
| 1.1 选题背景及研究意义 | 第7页 |
| 1.2 国内外研究动态及发展趋势 | 第7-9页 |
| 1.3 研究内容和技术路线 | 第9-11页 |
| 1.3.1 研究内容 | 第9-10页 |
| 1.3.2 技术路线 | 第10-11页 |
| 1.4 本文工作及内容安排 | 第11-13页 |
| 1.4.1 主要研究工作 | 第11-12页 |
| 1.4.2 内容安排 | 第12-13页 |
| 2 神经网络理论及其在机械故障诊断中的应用 | 第13-27页 |
| 2.1 模式识别的基本概念 | 第14-15页 |
| 2.2 人工神经网络的理论基础 | 第15-26页 |
| 2.2.1 人工神经网络概述 | 第15-17页 |
| 2.2.2 多层前馈神经网络模型 | 第17-18页 |
| 2.2.3 误差反向传播BP算法 | 第18-20页 |
| 2.2.4 BP算法的缺陷及其原因分析 | 第20-22页 |
| 2.2.5 一种新型的BP网络学习算法 | 第22-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 乳化液泵振动信号的采集 | 第27-38页 |
| 3.1 乳化液泵振动噪声产生的机理 | 第27-28页 |
| 3.2 乳化液泵的常见故障 | 第28页 |
| 3.3 振动信号的采集 | 第28-32页 |
| 3.3.1 实验装置 | 第28-31页 |
| 3.3.2 振动信号的采集 | 第31-32页 |
| 3.4 基于声卡的虚拟仪器技术 | 第32-37页 |
| 3.4.1 虚拟仪器的概念 | 第32-33页 |
| 3.4.2 虚拟仪器的其本结构 | 第33页 |
| 3.4.3 虚拟仪器的组成 | 第33页 |
| 3.4.4 基于虚拟仪器技术的声卡编程 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 振动信号的特征提取与故障诊断 | 第38-49页 |
| 4.1 振动信号的预处理 | 第38-40页 |
| 4.2 振动信号的特征提取 | 第40-42页 |
| 4.3 样本表达和网络结构 | 第42-45页 |
| 4.3.1 样本表达 | 第42-43页 |
| 4.3.2 网络的结构及训练参数的给定 | 第43-45页 |
| 4.4 网络的训练与识别 | 第45-48页 |
| 4.4.1 样本充分情况下，神经网络的识别效果 | 第45-46页 |
| 4.4.2 样本不充分的情况下，神经网络的识别效果 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 乳化液泵检测与故障诊断系统软件设计 | 第49-55页 |
| 5.1 应用软件开发的指导思想 | 第49页 |
| 5.2 软件的主要功能 | 第49-50页 |
| 5.3 故障诊断软件 | 第50-54页 |
| 5.3.1 故障诊断软件结构 | 第50-52页 |
| 5.3.2 故障诊断软件界面 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 结论 | 第55-57页 |
| 致 谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 攻读硕士学位期间发表的论文 | 第60页 |