| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-18页 |
| ·选题背景与意义 | 第11-13页 |
| ·滚动轴承故障诊断在国内外研究现状 | 第13-17页 |
| ·本文工作内容及章节安排 | 第17-18页 |
| ·本文工作内容 | 第17页 |
| ·本文章节安排 | 第17-18页 |
| 2 滚动轴承振动机理及轴承故障特征频率分析 | 第18-35页 |
| ·滚动轴承典型结构 | 第18页 |
| ·滚动轴承振动产生机理及常见故障类型 | 第18-20页 |
| ·滚动轴承故障特征频率分析 | 第20-23页 |
| ·滚动轴承元件固有频率的计算 | 第23-24页 |
| ·滚动轴承元件表面有损伤点的理论模型 | 第24-35页 |
| 3 基于小波分析的故障特征向量提取应用研究 | 第35-44页 |
| ·小波变换理论基础 | 第35-37页 |
| ·小波函数 | 第35页 |
| ·小波变换的定义 | 第35-36页 |
| ·小波变换的特点 | 第36-37页 |
| ·多分辨率分析 | 第37-39页 |
| ·小波包分解与重构 | 第39-41页 |
| ·小波包分解与重构在故障特征向量提取中的应用 | 第41-44页 |
| ·小波分析消噪的基本原理 | 第41-42页 |
| ·频带分析技术 | 第42页 |
| ·基于小波包分解与重构的轴承故障特征向量的提取过程 | 第42-44页 |
| 4 基于神经网络的故障诊断应用研究 | 第44-53页 |
| ·神经网络概述 | 第44-47页 |
| ·人工神经元模型 | 第44-45页 |
| ·神经网络的结构 | 第45-46页 |
| ·神经网络的学习 | 第46-47页 |
| ·BP 神经网络及其在故障诊断中的应用 | 第47-50页 |
| ·BP 神经网络 | 第47-49页 |
| ·BP 网络在故障诊断中的应用 | 第49-50页 |
| ·BP 神经网络模型的建立 | 第50-53页 |
| 5 基于小波分析和 BP 神经网络的滚动轴承故障诊断的应用实例 | 第53-70页 |
| ·基于小波分析和 BP 网络的轴承故障诊断原理 | 第53页 |
| ·滚动轴承振动数据来源 | 第53-57页 |
| ·试验设备介绍 | 第53-55页 |
| ·振动信号采集 | 第55-57页 |
| ·振动数据预处理及特征向量提取 | 第57-63页 |
| ·诊断 BP 网络模型的建立与测试 | 第63-70页 |
| ·BP 网络模型的构建 | 第63-64页 |
| ·轴承故障诊断的仿真研究 | 第64-70页 |
| 6 总结与展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间发表的学术论文 | 第76页 |
| 攻读学位期间参与的科研项目 | 第76-77页 |