| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·本课题研究背景及意义 | 第9-10页 |
| ·故障诊断的内容和方法 | 第10-11页 |
| ·国内外研究现状及发展趋势 | 第11-12页 |
| ·本文的主要研究内容 | 第12-14页 |
| 第二章 滚动轴承故障机理 | 第14-22页 |
| ·滚动轴承的结构 | 第14-15页 |
| ·滚动轴承失效的基本形式 | 第15-16页 |
| ·滚动轴承振动机理及故障特征频率 | 第16-22页 |
| ·滚动轴承故障的振动信号产生机理 | 第16-18页 |
| ·滚动轴承的固有振动频率 | 第18页 |
| ·滚动轴承各元件单一缺陷的特征频率 | 第18-19页 |
| ·滚动轴承有异常时的振动特性 | 第19-22页 |
| ·滚动轴承构造所引起的振动 | 第19-20页 |
| ·由于精加工面波纹引起的振动 | 第20页 |
| ·滚动轴承的非线性引起的振动 | 第20页 |
| ·滚动轴承损伤(缺陷)引起的振动 | 第20-22页 |
| 第三章 振动信号分析处理及特征提取 | 第22-49页 |
| ·滚动轴承振动特征分析的常规方法 | 第22-27页 |
| ·振动信号的时域分析 | 第22-24页 |
| ·振动信号的频域分析 | 第24-26页 |
| ·FFT分析 | 第25页 |
| ·功率谱 | 第25-26页 |
| ·振动信号的共振解调分析 | 第26页 |
| ·常规特征提取方法存在的问题 | 第26-27页 |
| ·滚动轴承振动信号预处理中小波变换的应用 | 第27-45页 |
| ·小波变换基本理论 | 第28-39页 |
| ·连续小波变换 | 第28-30页 |
| ·离散小波变换 | 第30-31页 |
| ·多分辨率分析及 MALLAT算法 | 第31-35页 |
| ·小波包分析 | 第35-39页 |
| ·滚动轴承振动信号的小波消噪预处理 | 第39-45页 |
| ·小波消噪原理 | 第39-40页 |
| ·小波消噪阈值的确定及振动信号消噪处理 | 第40-45页 |
| ·滚动轴承振动信号的小波熵特征提取 | 第45-48页 |
| ·小结 | 第48-49页 |
| 第四章 RBF神经网络故障诊断 | 第49-63页 |
| ·RBF神经网络学习算法 | 第50-54页 |
| ·RBF神经网络模型 | 第50-52页 |
| ·RBF神经网络k-means聚类算法的实现 | 第52-53页 |
| ·聚类中心及宽度的算法 | 第52-53页 |
| ·输出权值的算法 | 第53页 |
| ·RBF神经网络与多层感知器的比较 | 第53-54页 |
| ·RBF神经网络故障诊断 | 第54-58页 |
| ·小波熵特征向量归一化处理 | 第55页 |
| ·网络结构的确定 | 第55-56页 |
| ·k-means聚类算法RBF神经网络的MATLAB语言实现 | 第56-58页 |
| ·滚动轴承故障诊断分析 | 第58-62页 |
| ·小结 | 第62-63页 |
| 第五章 滚动轴承监测系统设计 | 第63-68页 |
| ·硬件系统 | 第63-66页 |
| ·软件系统 | 第66-68页 |
| 第六章 结论与展望 | 第68-70页 |
| ·结论 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表的论文 | 第74页 |