小波神经网络在旋转机械故障诊断中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·机械设备故障诊断的意义 | 第10页 |
| ·机械故障诊断技术的发展及现状 | 第10-13页 |
| ·小波神经网络起源 | 第13-14页 |
| ·小波神经网络的特点及应用 | 第14-16页 |
| ·论文的主要研究内容 | 第16-18页 |
| 第2章 旋转机械故障诊断方法及特征提取分析 | 第18-32页 |
| ·概述 | 第18页 |
| ·旋转机械故障诊断方法 | 第18-20页 |
| ·按检测手段分类 | 第18-19页 |
| ·按诊断方法原理分类 | 第19-20页 |
| ·旋转机械故障振动诊断技术 | 第20-29页 |
| ·机械振动及其分类 | 第20-22页 |
| ·故障特征提取分析 | 第22-23页 |
| ·旋转机械故障特征提取方法 | 第23-29页 |
| ·转子系统的主要故障 | 第29-31页 |
| ·不平衡振动 | 第29-30页 |
| ·转子不对中 | 第30页 |
| ·油膜振荡 | 第30页 |
| ·转子碰摩 | 第30-31页 |
| ·转子支承系统联接松动 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第3章 小波分析与神经网络基础 | 第32-50页 |
| ·小波分析的相关理论 | 第32-35页 |
| ·小波及小波变换 | 第32-34页 |
| ·多分辨分析 | 第34-35页 |
| ·小波理论在故障信号分析中的应用 | 第35-38页 |
| ·小波去噪模型 | 第35-36页 |
| ·奇异信号检测 | 第36-38页 |
| ·频带分析技术 | 第38页 |
| ·人工神经网络理论 | 第38-47页 |
| ·神经网络的基本原理和特点 | 第39-40页 |
| ·神经元的基本结构 | 第40-41页 |
| ·神经网络的学习算法 | 第41-45页 |
| ·BP 算法的改进 | 第45-47页 |
| ·神经网络用于机械故障诊断 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 小波神经网络 | 第50-70页 |
| ·小波神经网络基础 | 第50-54页 |
| ·小波与神经网络的结合方式 | 第50-51页 |
| ·小波神经网络的结构 | 第51-54页 |
| ·小波神经网络的学习算法 | 第54-67页 |
| ·共轭梯度法 | 第54-56页 |
| ·多分辨分析方法 | 第56-59页 |
| ·参数选择 | 第59-64页 |
| ·网络学习算法的推导 | 第64-67页 |
| ·小波网络的改进方法 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 基于小波神经网络的机械故障诊断 | 第70-87页 |
| ·小波神经网络在旋转机械故障诊断中的应用 | 第70-74页 |
| ·建立故障征兆表 | 第70-71页 |
| ·故障诊断的实现 | 第71-74页 |
| ·小波网络在机械故障信号分类中的应用 | 第74-82页 |
| ·信号分类小波神经网络的结构 | 第75-77页 |
| ·小波网络故障诊断步骤 | 第77-79页 |
| ·小波网络故障诊断系统的实现 | 第79-82页 |
| ·集成小波神经网络诊断系统 | 第82-86页 |
| ·子小波网络的构建 | 第83-84页 |
| ·集成小波神经网络的实现 | 第84-86页 |
| ·本章小结 | 第86-87页 |
| 结论 | 第87-89页 |
| 参考文献 | 第89-94页 |
| 攻读硕士学位期间发表的论文 | 第94-95页 |
| 致谢 | 第95-96页 |
| 作者简介 | 第96页 |
