| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究发展趋势 | 第12-14页 |
| 1.2.1 国外故障诊断研究发展 | 第12-13页 |
| 1.2.2 国内故障诊断研究发展 | 第13-14页 |
| 1.3 基于人工智能的故障诊断技术 | 第14-16页 |
| 1.4 本课题研究的主要内容 | 第16-18页 |
| 第二章 轴承的故障类型及诊断方法 | 第18-27页 |
| 2.1 轴承的结构 | 第18-19页 |
| 2.2 轴承的故障类型 | 第19-20页 |
| 2.3 滚动轴承故障振动信号数据 | 第20页 |
| 2.4 滚动轴承的振动特征频率 | 第20-22页 |
| 2.4.1 滚动轴承的固有振动频率 | 第20-21页 |
| 2.4.2 滚动轴承的故障特征频率 | 第21-22页 |
| 2.5 滚动轴承的信号分析故障诊断方法 | 第22-25页 |
| 2.5.1 滚动轴承振动信号的时域分析方法 | 第22-24页 |
| 2.5.2 滚动轴承振动信号的频域分析方法 | 第24-25页 |
| 2.5.3 滚动轴承振动信号的时频分析方法 | 第25页 |
| 2.6 滚动轴承的神经网络故障诊断方法 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 轴承故障的振动信号分析 | 第27-46页 |
| 3.1 小波变换与Hilbert包络谱分析 | 第27-33页 |
| 3.1.1 小波变换理论 | 第27-28页 |
| 3.1.2 小波变换多分辨率分析 | 第28-30页 |
| 3.1.3 Hilbert包络谱分析 | 第30页 |
| 3.1.4 小波变换与Hilbert包络谱分析的实现 | 第30-33页 |
| 3.2 希尔伯特—黄变换理论分析 | 第33-38页 |
| 3.2.1 本征模态函数的定义 | 第33-34页 |
| 3.2.2 EMD算法的分解过程 | 第34-36页 |
| 3.2.3 希尔伯特-黄变换的实现 | 第36-38页 |
| 3.3 基于参数自适应Morlet小波的轴承故障诊断 | 第38-45页 |
| 3.3.1 基于Shannon熵理论的最优形状参数选取 | 第39-41页 |
| 3.3.2 基于SVD理论的最优小波尺度选取 | 第41-43页 |
| 3.3.3 基于参数自适应Morlet小波方法的实现 | 第43-45页 |
| 3.4 滚动轴承故障信号分析的特征向量 | 第45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于BP神经网络故障诊断方法研究 | 第46-64页 |
| 4.1 BP神经网络的结构与运行原理 | 第46-50页 |
| 4.1.1 BP神经网络的拓扑结构 | 第46-47页 |
| 4.1.2 BP神经网络的基本原理 | 第47-48页 |
| 4.1.3 BP神经网络的学习算法 | 第48-50页 |
| 4.2 BP神经网络参数的选择 | 第50-53页 |
| 4.2.1 各层网络节点数的选择 | 第50页 |
| 4.2.2 初始权值的选择 | 第50-51页 |
| 4.2.3 学习速率的选择 | 第51页 |
| 4.2.4 期望误差的选择 | 第51页 |
| 4.2.5 激励函数的选择 | 第51-53页 |
| 4.2.6 数据归一化处理 | 第53页 |
| 4.3 基于BP神经网络的轴承故障诊断 | 第53-55页 |
| 4.4 基于改进型BP神经网络的轴承故障诊断 | 第55-63页 |
| 4.4.1 启发式改进算法 | 第55-59页 |
| 4.4.2 数值优化改进算法 | 第59-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 神经网络的性能优化及故障诊断应用 | 第64-78页 |
| 5.1 基于欧式距离的故障特征选择 | 第64-67页 |
| 5.2 遗传算法的运行原理 | 第67-72页 |
| 5.2.1 遗传算法的基本思想 | 第67-68页 |
| 5.2.2 遗传算法的运行步骤 | 第68-69页 |
| 5.2.3 遗传算法的算子操作 | 第69-70页 |
| 5.2.4 遗传算法的特点 | 第70-71页 |
| 5.2.5 遗传算法优化神经网络的运行流程 | 第71-72页 |
| 5.3 神经网络优化过程中的参数选择 | 第72-73页 |
| 5.3.1 BP神经网络部分的结构参数选择 | 第72-73页 |
| 5.3.2 遗传算法部分的参数选择 | 第73页 |
| 5.4 基于性能优化的神经网络的轴承故障诊断应用 | 第73-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 全文总结 | 第78-79页 |
| 6.2 研究展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 硕士期间所取得的研究成果 | 第85-86页 |
