| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题背景和研究意义 | 第8-9页 |
| 1.3 无线传感器网络用于机械设备故障诊断现状 | 第9-11页 |
| 1.4 本文的主要研究内容及结构安排 | 第11-14页 |
| 2 星型无线传感器网络机械故障诊断系统总体设计 | 第14-32页 |
| 2.1 系统需求分析 | 第14-15页 |
| 2.2 星型无线传感器网络机械故障诊断的体系结构 | 第15-17页 |
| 2.3 星型无线传感器网络的硬件平台 | 第17-21页 |
| 2.3.1 处理器模块 | 第18-19页 |
| 2.3.2 数据采集模块 | 第19页 |
| 2.3.3 数据存储模块 | 第19-20页 |
| 2.3.4 无线通信模块 | 第20页 |
| 2.3.5 电源模块 | 第20-21页 |
| 2.4 星型无线传感器网络机械故障诊断协议栈 | 第21-30页 |
| 2.4.1 星型无线传感器网络协议栈总体架构 | 第21-22页 |
| 2.4.2 IEEE802.15.4 标准和Zig Bee协议 | 第22-26页 |
| 2.4.3 星型网络拓扑结构 | 第26-28页 |
| 2.4.4 基于跨层设计的同步采集 | 第28-29页 |
| 2.4.5 可靠的数据传输机制 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 星型无线传感器网络机械故障诊断方法 | 第32-48页 |
| 3.1 星型无线传感器网络机械故障诊断框架 | 第32-34页 |
| 3.2 基于散布矩阵的终端节点特征提取 | 第34-39页 |
| 3.2.1 时频域特征集的构造 | 第35-37页 |
| 3.2.2 散布矩阵的特征选择 | 第37-39页 |
| 3.3 基于神经网络的上位机故障诊断 | 第39-43页 |
| 3.3.1 RBF神经网络拓扑结构 | 第40-41页 |
| 3.3.2 RBF神经网络训练算法 | 第41-42页 |
| 3.3.3 RBF神经网络测试算法 | 第42-43页 |
| 3.4 基于证据理论的上位机决策融合 | 第43-46页 |
| 3.4.1 证据理论的基本概念 | 第44-45页 |
| 3.4.2 DS证据合成的Bayes近似法 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 4 星型无线传感器网络机械故障诊断系统软件设计 | 第48-70页 |
| 4.1 节点与上位机交互的数据命令包格式设计 | 第48-50页 |
| 4.2 机械故障诊断软件设计 | 第50-53页 |
| 4.3 上位机监测软件设计 | 第53-59页 |
| 4.4 实验与结果分析 | 第59-68页 |
| 4.5 本章小结 | 第68-70页 |
| 5 结论与展望 | 第70-72页 |
| 5.1 本课题研究内容总结 | 第70页 |
| 5.2 后期研究工作及展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 附录 | 第80页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第80页 |
| B. 作者在攻读硕士学位期间参加的科研项目 | 第80页 |