| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-10页 |
| 前言 | 第10-15页 |
| 第一章 滚动轴承声学检测实验研究 | 第15-21页 |
| ·引言 | 第15页 |
| ·实验目的及内容 | 第15页 |
| ·实验系统 | 第15-19页 |
| ·实验原理及装置示意图 | 第15-16页 |
| ·实验轴承的选择 | 第16-17页 |
| ·轴承上人工缺陷的制作 | 第17-18页 |
| ·声学检测仪器的选择 | 第18页 |
| ·传感器的选择 | 第18页 |
| ·前置放大器的选择 | 第18-19页 |
| ·实验过程 | 第19页 |
| ·实验数据分析 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第二章 滚动轴承声源产生机理及声传播特性研究 | 第21-29页 |
| ·引言 | 第21页 |
| ·滚动轴承声源产生机理 | 第21-23页 |
| ·滚动轴承故障分类 | 第21页 |
| ·滚动轴承运转当中的声发射现象 | 第21-23页 |
| ·滚动轴承声发射信号传播特性理论研究 | 第23-27页 |
| ·声波的波动方程 | 第23-24页 |
| ·固体中声传播特性 | 第24-25页 |
| ·空气中声传播特性 | 第25-27页 |
| ·小结 | 第27-29页 |
| 第三章 滚动轴承声发射信号的参量分析研究 | 第29-39页 |
| ·引言 | 第29页 |
| ·声发射表征参量的分类 | 第29-31页 |
| ·非统计参量的表征方法 | 第29-30页 |
| ·统计参量的表征方法 | 第30-31页 |
| ·滚动轴承声发射信号的参量分析 | 第31-35页 |
| ·滚动轴承非接触式检测方法与接触式检测方法参量对比分析 | 第31-32页 |
| ·滚动轴承非接触式声学测试信号参量分析 | 第32-35页 |
| ·滚动轴承故障参量识别方法研究 | 第35-38页 |
| ·统计参量分析用于滚动轴承故障识别 | 第35页 |
| ·滚动轴承撞击信号周期性规律验证 | 第35-38页 |
| ·小结 | 第38-39页 |
| 第四章 滚动轴承故障声发射信号小波分析方法研究 | 第39-57页 |
| ·引言 | 第39页 |
| ·滚动轴承故障声发射信号的特点 | 第39页 |
| ·滚动轴承故障声发射信号小波基选取及分解尺度选择 | 第39-47页 |
| ·常用小波 | 第39-41页 |
| ·小波最佳基的选取 | 第41-44页 |
| ·小波分解尺度选择 | 第44-46页 |
| ·小波消噪原理 | 第46-47页 |
| ·滚动轴承故障声发射信号特征参量的提取 | 第47-48页 |
| ·滚动轴承故障声发射信号数据分析 | 第48-56页 |
| ·滚子故障声发射信号数据分析 | 第49-52页 |
| ·外圈故障声发射信号数据分析 | 第52-54页 |
| ·混合故障声发射信号数据分析 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第五章 神经网络技术在滚动轴承故障模式识别中的应用 | 第57-67页 |
| ·引言 | 第57页 |
| ·BP 网络简介 | 第57-61页 |
| ·BP 网络模型 | 第57-58页 |
| ·BP 网络结构 | 第58-59页 |
| ·BP 网络学习 | 第59-60页 |
| ·BP 网络样本训练 | 第60-61页 |
| ·特征参数的提取及预处理 | 第61-62页 |
| ·特征参数的提取 | 第61页 |
| ·特征信号的归一化处理 | 第61-62页 |
| ·滚动轴承故障模式识别的BP 网络结构设计 | 第62-63页 |
| ·隐层数的确定 | 第62页 |
| ·隐层结点数的确定 | 第62页 |
| ·输入层与输出层节点数的确定 | 第62页 |
| ·传递函数的选择 | 第62-63页 |
| ·BP 神经网络用于滚动轴承故障类型的识别 | 第63-65页 |
| ·基于BP 神经网络的轴承故障模式识别步骤 | 第63页 |
| ·网络结构与状态编码 | 第63页 |
| ·诊断实例 | 第63-65页 |
| ·BP 神经网络用于滚动轴承故障严重度的识别 | 第65-66页 |
| ·训练网络及步骤 | 第65页 |
| ·诊断实例 | 第65-66页 |
| ·小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 发表文章目录 | 第72-73页 |
| 致谢 | 第73-74页 |
| 详细摘要 | 第74-80页 |