| 致谢 | 第1-9页 |
| 中文摘要 | 第9-10页 |
| ABSTRACT | 第10-12页 |
| 1 绪论 | 第12-19页 |
| ·研究背景 | 第12-13页 |
| ·研究目的及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·论文的结构及主要内容 | 第17-19页 |
| 2 轨道列车滚动轴承的声发射诊断技术 | 第19-29页 |
| ·滚动轴承故障类型及原因 | 第19-21页 |
| ·滚动轴承的故障诊断方法 | 第21-22页 |
| ·滚动轴承的声发射诊断 | 第22-24页 |
| ·声发射技术理论概述 | 第22页 |
| ·滚动轴承声发射检测基本原理 | 第22-23页 |
| ·声发射技术诊断滚动轴承的优势 | 第23页 |
| ·影响声发射检测的关键因素 | 第23-24页 |
| ·声发射信号处理方法 | 第24-28页 |
| ·参数分析法 | 第24-27页 |
| ·波形分析法 | 第27-28页 |
| ·小结 | 第28-29页 |
| 3 滚动轴承声发射诊断模型研究 | 第29-44页 |
| ·小波包理论分析 | 第29-34页 |
| ·谐波小波变换 | 第30-32页 |
| ·谐波小波包 | 第32-33页 |
| ·小波包分解与重构算法 | 第33页 |
| ·基于小波包分解的故障特征提取 | 第33-34页 |
| ·人工神经网络概述 | 第34-42页 |
| ·BP网络 | 第36-39页 |
| ·Elman网络 | 第39-40页 |
| ·自适应模糊神经网络(ANFIS) | 第40-42页 |
| ·谐波小波包与神经网络故障诊断模型 | 第42-43页 |
| ·小结 | 第43-44页 |
| 4 滚动轴承声发射故障诊断研究及应用 | 第44-61页 |
| ·滚动轴承声发射故障诊断实验方案 | 第44-49页 |
| ·实验设备 | 第44-46页 |
| ·实验方案 | 第46-49页 |
| ·基于谐波小波包和BP神经网络的声发射滚动轴承故障诊断 | 第49-52页 |
| ·故障诊断BP神经网络训练样本的构造 | 第50-51页 |
| ·故障诊断BP神经网络的建立及训练 | 第51页 |
| ·故障诊断BP神经网络的检验 | 第51-52页 |
| ·基于谐波小波包和Elman神经网络的声发射滚动轴承故障诊断 | 第52-55页 |
| ·故障诊断Elman神经网络训练样本的构造 | 第53-54页 |
| ·故障诊断Elman神经网络的建立及训练 | 第54-55页 |
| ·故障诊断Elman神经网络的检验 | 第55页 |
| ·基于谐波小波包和ANFIS神经网络的声发射滚动轴承故障诊断 | 第55-59页 |
| ·故障诊断ANFIS神经网络训练样本的构造 | 第57-58页 |
| ·故障诊断ANFIS神经网络的建立及训练 | 第58-59页 |
| ·故障诊断ANFIS神经网络的检验 | 第59页 |
| ·诊断结果比较 | 第59页 |
| ·小结 | 第59-61页 |
| 5 地铁列车滚动轴承声发射故障诊断系统设计 | 第61-74页 |
| ·系统总体结构框架 | 第61-62页 |
| ·硬件设计 | 第62-67页 |
| ·传感器 | 第62-63页 |
| ·放大器 | 第63-64页 |
| ·声发射采集机箱 | 第64-66页 |
| ·计算机 | 第66页 |
| ·其他配件 | 第66-67页 |
| ·软件设计 | 第67-73页 |
| ·系统登录及权限管理 | 第67-68页 |
| ·软件界面 | 第68页 |
| ·硬件参数设置 | 第68-70页 |
| ·视图设置 | 第70-73页 |
| ·小结 | 第73-74页 |
| 6 结论与展望 | 第74-76页 |
| ·结论 | 第74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 作者简历 | 第79-81页 |
| 学位论文数据集 | 第81页 |
