基于小波包与径向基网络的诊断技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-15页 |
| ·旋转机械故障诊断的意义 | 第9-10页 |
| ·设备故障诊断技术发展状况 | 第10-11页 |
| ·设备故障诊断技术的主要研究内容 | 第11-13页 |
| ·故障诊断过程简介 | 第11-12页 |
| ·故障诊断技术的主要研究内容 | 第12-13页 |
| ·课题的提出及本文主要工作 | 第13-15页 |
| ·课题的提出 | 第13-14页 |
| ·本文主要工作 | 第14-15页 |
| 第2章 故障信号的基本分析方法 | 第15-21页 |
| ·概述 | 第15-17页 |
| ·信号的分类 | 第15-16页 |
| ·信号描述方法分类 | 第16-17页 |
| ·信号的时域分析 | 第17-19页 |
| ·概率分析法 | 第17页 |
| ·动态指标 | 第17-18页 |
| ·相关分析 | 第18-19页 |
| ·信号的频域分析 | 第19-20页 |
| ·频谱的形式 | 第19-20页 |
| ·频谱的计算方法 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 小波及小波包分析 | 第21-41页 |
| ·从傅立叶变换到小波变换 | 第21-23页 |
| ·傅立叶变换 | 第21页 |
| ·短时傅立叶变换 | 第21-23页 |
| ·小波变换 | 第23页 |
| ·连续小波变换及其离散化 | 第23-26页 |
| ·多分辨分析 | 第26-29页 |
| ·小波包变换 | 第29-32页 |
| ·故障诊断中小波母函数及小波基的选择 | 第32-38页 |
| ·小波母函数及相应基选择的必要性 | 第32-34页 |
| ·常见的小波母函数及其性质 | 第34-37页 |
| ·故障特征提取中小波(包)基的选择 | 第37-38页 |
| ·小波母函数及其基的选择应用实例 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 径向基神经网络及其训练方法 | 第41-55页 |
| ·引言 | 第41-43页 |
| ·神经网络简介 | 第41-42页 |
| ·神经网络的故障诊断能力 | 第42-43页 |
| ·神经网络的分类 | 第43页 |
| ·RBF网络结构与工作原理 | 第43-45页 |
| ·RBF网络的学习算法 | 第45-50页 |
| ·聚类方法 | 第46-47页 |
| ·正交最小二乘(OLS)学习算法 | 第47-48页 |
| ·输出-输入聚类法 | 第48-50页 |
| ·算法实例 | 第50-54页 |
| ·标准样本的建立 | 第50-51页 |
| ·网络的训练 | 第51-53页 |
| ·主要结论 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 旋转机械的故障机理及诊断 | 第55-67页 |
| ·旋转机械常见异常振动概述 | 第55-57页 |
| ·振动信号的频域特征提取 | 第57-61页 |
| ·轴的不平衡 | 第57-58页 |
| ·轴不对中故障 | 第58-60页 |
| ·油膜涡动故障 | 第60-61页 |
| ·故障信号的小波特征提取 | 第61-66页 |
| ·基于能量分布的小波特征提取原理 | 第62-64页 |
| ·实例分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 基于小波分析和神经网络的故障诊断 | 第67-74页 |
| ·引言 | 第67-68页 |
| ·小波包分析和神经网络的结合 | 第68-71页 |
| ·RBF网络特征选择的原理 | 第69-70页 |
| ·特征选择步骤 | 第70-71页 |
| ·故障诊断实例 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第7章 总结与展望 | 第74-76页 |
| ·本文内容总结 | 第74页 |
| ·进一步的工作展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间发表的学术论文和参与的科研项目 | 第80-81页 |
| 致谢 | 第81页 |
