| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 故障诊断技术的发展综述 | 第11-15页 |
| 1.2.1 故障诊断技术国内外研究现状 | 第11-12页 |
| 1.2.2 故障诊断技术的常用方法 | 第12-15页 |
| 1.2.2.1 基于解析模型的方法 | 第12-13页 |
| 1.2.2.2 基于信号处理的方法 | 第13-14页 |
| 1.2.2.3 基于知识的方法 | 第14-15页 |
| 1.3 论文研究目的、内容及结构 | 第15-18页 |
| 1.3.1 论文研究目的及内容 | 第15页 |
| 1.3.2 论文结构安排 | 第15-18页 |
| 第二章 基于EMD-ICA的故障特征提取方法研究 | 第18-32页 |
| 2.1 EMD方法的研究 | 第18-22页 |
| 2.1.1 EMD方法分解的过程 | 第18-20页 |
| 2.1.2 EMD方法的性质 | 第20-21页 |
| 2.1.3 EMD方法的局限性 | 第21-22页 |
| 2.2 ICA方法的研究 | 第22-24页 |
| 2.2.1 ICA方法的模型 | 第22-23页 |
| 2.2.2 ICA算法流程设计 | 第23页 |
| 2.2.3 ICA方法的局限性及不确定性 | 第23-24页 |
| 2.3 EMD-ICA方法的研究 | 第24-26页 |
| 2.3.1 基于EMD-ICA方法的信号处理流程 | 第24-25页 |
| 2.3.2 基于EMD-ICA方法的仿真分析 | 第25-26页 |
| 2.4 故障特征参数的选取 | 第26-30页 |
| 2.4.1 时域特征参数 | 第27-28页 |
| 2.4.2 频域特征参数 | 第28-29页 |
| 2.4.3 能量特征参数 | 第29-30页 |
| 2.5 基于EMD-ICA的故障信息提取的整体流程 | 第30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 人工神经网络的智能故障诊断理论研究 | 第32-44页 |
| 3.1 人工神经网络概述 | 第32-35页 |
| 3.1.1 人工神经元模型 | 第32-33页 |
| 3.1.2 人工神经网络的结构 | 第33-34页 |
| 3.1.3 人工神经网络的基本性质 | 第34-35页 |
| 3.2 BP神经网络 | 第35-42页 |
| 3.2.1 BP神经网络的算法 | 第35-37页 |
| 3.2.2 BP神经网络的不足与改进 | 第37-40页 |
| 3.2.3 改进的BP网络与标准BP网络的实验仿真 | 第40-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第四章 基于集成神经网络的智能故障诊断技术 | 第44-50页 |
| 4.1 集成神经网络的概述 | 第44-45页 |
| 4.1.1 集成神经网络的基本思想 | 第44-45页 |
| 4.1.2 集成神经网络的研究现状 | 第45页 |
| 4.2 集成神经网络的实现 | 第45-49页 |
| 4.2.1 集成神经网络的结构 | 第45-46页 |
| 4.2.2 子网络的组建原则 | 第46-47页 |
| 4.2.3 集成神经网络的实现策略 | 第47-49页 |
| 4.2.3.1 信息分配神经网络的实现 | 第47页 |
| 4.2.3.2 诊断子网络的实现 | 第47-48页 |
| 4.2.3.3 决策融合系统的实现 | 第48-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 故障诊断系统用于滚动轴承的实验仿真分析 | 第50-64页 |
| 5.1 故障诊断系统总体方案设计 | 第50-51页 |
| 5.2 实验环境介绍 | 第51-52页 |
| 5.3 仿真分析 | 第52-63页 |
| 5.3.1 样本的选取 | 第52页 |
| 5.3.2 信号特征提取 | 第52-57页 |
| 5.3.3 子网络档案信息 | 第57-59页 |
| 5.3.4 子神经网络训练 | 第59-61页 |
| 5.3.5 子神经网络测试 | 第61-62页 |
| 5.3.6 仿真结果分析 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 结论与展望 | 第64-66页 |
| 6.1 结论 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间所取得的相关科研成果 | 第70-72页 |
| 致谢 | 第72页 |