| 摘要 | 第3-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 多小波的发展及研究现状 | 第11-12页 |
| 1.2.2 模糊神经网络方法研究现状 | 第12-14页 |
| 1.3 论文的研究内容及结构安排 | 第14-16页 |
| 1.3.1 论文的研究内容 | 第14页 |
| 1.3.2 论文的结构安排 | 第14-16页 |
| 第二章 滚动轴承的故障机理与诊断技术 | 第16-26页 |
| 2.1 滚动轴承的相关内容 | 第16-18页 |
| 2.2 滚动轴承故障特征参数提取方法 | 第18-22页 |
| 2.3 滚动轴承故障模式识别方法 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 多小波分析理论 | 第26-40页 |
| 3.1 小波理论 | 第26-29页 |
| 3.1.1 小波的多分辨分析 | 第26-27页 |
| 3.1.2 小波的Mallat算法 | 第27-28页 |
| 3.1.3 常用的几种小波 | 第28-29页 |
| 3.2 多小波理论 | 第29-32页 |
| 3.2.1 多小波的多分辨分析 | 第29页 |
| 3.2.2 多小波的Mallat算法 | 第29-30页 |
| 3.2.3 常用的几种多小波 | 第30-32页 |
| 3.3 多小波的预处理方法及其选取 | 第32-38页 |
| 3.3.1 几种预处理方法介绍 | 第32-33页 |
| 3.3.2 最优多小波预处理方法选择 | 第33-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 多小波分析在捣固车滚动轴承故障诊断中的应用 | 第40-52页 |
| 4.1 基于改进的多小波阈值处理的降噪方法 | 第40-46页 |
| 4.1.1 小波阈值降噪 | 第40-41页 |
| 4.1.2 改进阈值降噪 | 第41-42页 |
| 4.1.3 基于矢量的阈值处理算法 | 第42页 |
| 4.1.4 仿真信号降噪实验及分析 | 第42-46页 |
| 4.2 基于总体经验模态分解和能量熵的数据特征提取技术 | 第46-51页 |
| 4.2.1 总体经验模态分解理论 | 第46-48页 |
| 4.2.2 基于总体经验模态和能量熵在捣固车滚动轴承故障特征提取中的应用 | 第48-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 模糊神经网络在捣固车滚动轴承故障诊断中的应用 | 第52-62页 |
| 5.1 模糊系统 | 第52-54页 |
| 5.2 人工神经网络 | 第54-55页 |
| 5.3 自适应模糊神经网络 | 第55-58页 |
| 5.3.1 Takagi-Sugeno推理模型 | 第56页 |
| 5.3.2 自适应模糊神经网络模型 | 第56-57页 |
| 5.3.3 自适应模糊神经网络的学习算法 | 第57-58页 |
| 5.4 仿真实验分析 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 工作展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录A 攻读学位期间发表论文与软件著作权目录 | 第70-72页 |
| 附录B 攻读学位期间参与的研究工作 | 第72页 |
