| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·齿轮故障诊断研究的国内外动态 | 第7-10页 |
| ·齿轮的简易诊断方法 | 第7页 |
| ·齿轮的精密诊断方法 | 第7-10页 |
| ·小波分析 | 第10-12页 |
| ·信号的时频特征分析 | 第11页 |
| ·信号的降噪分析和处理 | 第11-12页 |
| ·故障特征提取 | 第12页 |
| ·神经网络 | 第12-13页 |
| ·目标识别 | 第12-13页 |
| ·数据预测 | 第13页 |
| ·故障诊断 | 第13页 |
| ·其它方面的应用研究 | 第13页 |
| ·本课题的选题意义、研究内容 | 第13-15页 |
| ·本课题的选题意义 | 第13页 |
| ·研究内容 | 第13-15页 |
| 第二章 故障模式识别的神经网络方法 | 第15-26页 |
| ·神经网络与故障模式识别 | 第15-18页 |
| ·故障诊断中常用的模式识别理论及方法 | 第15-17页 |
| ·神经网络在故障模式识别中的应用 | 第17-18页 |
| ·BP 神经网络 | 第18-22页 |
| ·BP 网络结构 | 第19页 |
| ·BP 网络学习算法 | 第19-21页 |
| ·Levenberg-Marquardt BP 网络算法 | 第21-22页 |
| ·径向基函数神经网络 | 第22-25页 |
| ·径向基函数网络结构 | 第22-23页 |
| ·径向基函数网络学习算法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于小波分析的故障特征提取 | 第26-42页 |
| ·连续小波变换 | 第26-27页 |
| ·离散小波变换与二进小波 | 第27页 |
| ·多分辨率分析 | 第27-28页 |
| ·小波包分解与重构 | 第28-30页 |
| ·小波分解在信号分析中的应用 | 第30-35页 |
| ·小波分解在常见几种信号分析中的应用 | 第30-33页 |
| ·小波分解在齿轮断齿冲击性信号分析中的应用 | 第33-35页 |
| ·基于小波包能量的特征提取 | 第35-41页 |
| ·基于小波包能量的特征提取的仿真分析 | 第36-38页 |
| ·小波包能量在齿轮信号特征提取中的应用 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章小波神经网络在齿轮故障模式识别中的应用研究 | 第42-54页 |
| ·小波神经网络用于故障模式识别的原理 | 第42-43页 |
| ·基于小波包能量的BP 神经网络在齿轮故障模式识别中的应用 | 第43-47页 |
| ·BP 神经网络模型的建立 | 第43-46页 |
| ·BP 神经网络在齿轮故障模式识别中的应用 | 第46-47页 |
| ·基于小波包能量的径向基函数网络在齿轮故障模式识别的应用 | 第47-50页 |
| ·径向基函数网络和BP 网络性能比较分析 | 第50-53页 |
| ·BP 网络性能分析 | 第50-51页 |
| ·径向基函数网络性能分析 | 第51-52页 |
| ·对比分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 详细摘要 | 第60-64页 |
