| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-21页 |
| ·设备故障诊断技术发展概述 | 第11-18页 |
| ·设备故障诊断技术发展概述 | 第11-13页 |
| ·电机故障诊断的特点和方法 | 第13-18页 |
| ·本课题研究的目的和意义 | 第18-19页 |
| ·本论文的安排和主要内容 | 第19-21页 |
| 第二章 电机轴承故障诊断简述 | 第21-35页 |
| ·电机轴承故障特征分析 | 第21-24页 |
| ·滚动轴承简介和振动机理 | 第21页 |
| ·电机滚动轴承动力学分析 | 第21-22页 |
| ·电机滚动轴承的内部振动源 | 第22-24页 |
| ·电机轴承常见故障类型 | 第24-25页 |
| ·电机轴承故障特征频率分析 | 第25-35页 |
| 第三章 小波分析理论及其在信号消噪、特征提取中的应用 | 第35-49页 |
| ·小波分析理论简述 | 第35-43页 |
| ·小波分析的定义 | 第35-37页 |
| ·多分辨率分析 | 第37-40页 |
| ·小波包分析 | 第40-41页 |
| ·小波或小波包分解的信号重构 | 第41-42页 |
| ·小波或小波包分解的直观表示 | 第42-43页 |
| ·基于小波分析的信号处理 | 第43-46页 |
| ·信噪分离 | 第43-45页 |
| ·频带分析技术 | 第45-46页 |
| ·利用小波包分析进行电机轴承故障的特征提取 | 第46-49页 |
| 第四章 人工神经网络的诊断方法 | 第49-65页 |
| ·人工神经网络故障诊断简述 | 第49-52页 |
| ·人工神经网络的故障诊断能力 | 第49-51页 |
| ·神经网络故障诊断技术的特点 | 第51-52页 |
| ·BP神经网络算法概述 | 第52-57页 |
| ·BP网络的拓扑结构 | 第52页 |
| ·BP网络的动力学过程 | 第52-53页 |
| ·BP网络的学习算法 | 第53-55页 |
| ·BP网络的算法框图 | 第55-57页 |
| ·BP网络的设计考虑 | 第57-61页 |
| ·设计的理论依据 | 第57-58页 |
| ·输入与输出层的设计 | 第58-59页 |
| ·隐层的数目 | 第59页 |
| ·隐含层节点数选择 | 第59-60页 |
| ·几个网络参数值的选择 | 第60页 |
| ·训练集和测试集的选取与优化 | 第60-61页 |
| ·Levenberg-Marquardt BP算法 | 第61-65页 |
| ·BP算法的缺陷 | 第61页 |
| ·BP算法的改进 | 第61-62页 |
| ·Levenberg-MarquardtBP算法简介 | 第62-65页 |
| 第五章 电机轴承故障信号采集 | 第65-81页 |
| ·电机轴承振动信号采集实验方案 | 第65-71页 |
| ·实验装置简介 | 第65-66页 |
| ·数据采集系统的组成 | 第66-68页 |
| ·测点选择 | 第68-71页 |
| ·实验 | 第71-76页 |
| ·振动信号谱分析 | 第76-81页 |
| ·谱分析原理 | 第76页 |
| ·实验电机轴承故障特征频率 | 第76-77页 |
| ·振动信号的谱分析 | 第77-81页 |
| 第六章 小波-神经网络诊断方法在电机轴承故障诊断中的应用 | 第81-100页 |
| ·小波神经网络简介 | 第81-82页 |
| ·小波神经网络的结合途径 | 第81页 |
| ·小波分析与神经网络的松散型结合 | 第81-82页 |
| ·松散型小波神经网络故障诊断的基本构思 | 第82-85页 |
| ·松散型小波神经网络构思 | 第82-83页 |
| ·松散型小波神经网络故障诊断过程的具体内容 | 第83-85页 |
| ·实验数据的预处理 | 第85-88页 |
| ·电机轴承故障模式识别 | 第88-95页 |
| ·电机轴承故障特征向量的提取 | 第88-92页 |
| ·LMBP网络结构的确定 | 第92页 |
| ·LMBP网络基本指标 | 第92-93页 |
| ·通过试训练确定隐层节点个数 | 第93-95页 |
| ·网络训练 | 第95页 |
| ·模式识别 | 第95页 |
| ·滚珠点蚀劣化趋势诊断 | 第95-100页 |
| 结论及今后的工作方向 | 第100-102页 |
| 参考文献 | 第102-109页 |
| 附录 | 第109-112页 |
| 附录1 名词解释 | 第109-110页 |
| 附录2 表 | 第110-112页 |
| 致谢 | 第112-113页 |
| 攻读学位期间发表的学术论文目录 | 第113页 |
