基于小波神经网络的异步电机故障诊断研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题的目的和意义 | 第9-10页 |
| ·课题的国内外发展现状 | 第10-12页 |
| ·本文的主要研究内容和章节安排 | 第12-14页 |
| 第2章 异步电机的故障机理分析 | 第14-22页 |
| ·异步电机的工作原理 | 第14-15页 |
| ·常用的电动机故障诊断技术 | 第15页 |
| ·滚动轴承故障分析 | 第15-21页 |
| ·滚动轴承故障机理 | 第16-18页 |
| ·滚动轴承的时域特性 | 第18-20页 |
| ·滚动轴承故障特征频率 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 小波分析 | 第22-44页 |
| ·小波分析理论 | 第23-31页 |
| ·连续小波变换 | 第23-24页 |
| ·离散小波变换 | 第24页 |
| ·多分辨率分析 | 第24-29页 |
| ·小波包分析 | 第29-31页 |
| ·HILBERT 包络分析 | 第31-32页 |
| ·小波包能量谱 | 第32-33页 |
| ·滚动轴承振动特征提取 | 第33-42页 |
| ·小波包络分析方法与实验 | 第33-39页 |
| ·小波包能量谱方法与实验 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 人工神经网络 | 第44-55页 |
| ·神经网络基础 | 第44-49页 |
| ·神经网络原理 | 第44-45页 |
| ·神经网络的学习 | 第45-48页 |
| ·神经网络的特点 | 第48-49页 |
| ·BP 神经网络 | 第49-51页 |
| ·BP 神经网络模型 | 第49-50页 |
| ·BP 神经网络的训练 | 第50-51页 |
| ·ELMAN 神经网络 | 第51-52页 |
| ·Elman 神经网络模型 | 第51-52页 |
| ·Elman 神经网络的训练 | 第52页 |
| ·RBF 神经网络 | 第52-53页 |
| ·RBF 神经网络模型 | 第52-53页 |
| ·RBF 神经网络的训练 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第5章 小波神经网络电机故障诊断 | 第55-71页 |
| ·小波神经网络 | 第55-56页 |
| ·特征提取 | 第56-60页 |
| ·基于小波包能量谱的特征提取 | 第56-58页 |
| ·基于时域特征的特征提取 | 第58-60页 |
| ·轴承故障诊断的仿真 | 第60-66页 |
| ·BP 神经网络故障诊断仿真 | 第60-63页 |
| ·Elman 神经网络故障诊断 | 第63-64页 |
| ·RBF 神经网络故障诊断 | 第64-66页 |
| ·轴承故障深化诊断的仿真 | 第66-69页 |
| ·故障直径 0.3556mm 的诊断仿真 | 第68页 |
| ·故障直径 0.5334mm 的诊断仿真 | 第68-69页 |
| ·故障直径 0.7112mm 的诊断仿真 | 第69页 |
| ·本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·论文总结 | 第71-72页 |
| ·工作展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 附录A | 第77-82页 |
| 附录B | 第82-84页 |
