| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-22页 |
| ·课题的提出 | 第11-13页 |
| ·本课题的研究背景和意义 | 第13-15页 |
| ·国内外研究现状 | 第15-19页 |
| ·短信号分析技术研究现状 | 第15-17页 |
| ·机械故障诊断研究概况 | 第17-19页 |
| ·本文的研究工作与结构安排 | 第19-22页 |
| 第二章 基于频谱分析的短信号分析方法 | 第22-46页 |
| ·基于经典Fourier分析的频谱分析 | 第22-27页 |
| ·DFT算法分析 | 第22-26页 |
| ·基于DFT算法的谱分析 | 第26-27页 |
| ·最大熵谱估计原理 | 第27-37页 |
| ·最大熵谱的Burg算法 | 第29-32页 |
| ·最大熵谱的Marple算法 | 第32-37页 |
| ·一种严格最大熵谱估计算法 | 第37-40页 |
| ·计算机仿真算例及结论 | 第40-44页 |
| ·本章小结 | 第44-46页 |
| 第三章 自适应理论在最大熵谱中的应用 | 第46-70页 |
| ·向量空间研究方法 | 第46-52页 |
| ·线性向量空间 | 第46-47页 |
| ·正交投影阵及LS准则算法的推导 | 第47-49页 |
| ·LS准则下投影阵的调整关系式 | 第49-52页 |
| ·自适应递归最小二乘算法(RLS) | 第52-64页 |
| ·LS格型(LSL)基本自适应算法 | 第52-60页 |
| ·LS格梯型(LSLL)算法 | 第60-62页 |
| ·考虑加入遗忘因子λ的LS(LSL)算法 | 第62-64页 |
| ·基于DSP芯片的LS算法修正 | 第64-66页 |
| ·自适应谱线增强研究 | 第66-69页 |
| ·一阶LMS算法 | 第66-67页 |
| ·二阶LMS算法 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第四章 最大熵谱定阶准则研究 | 第70-87页 |
| ·模型阶次选择的考虑 | 第70-72页 |
| ·基于信息量的阶次选择准则 | 第72-74页 |
| ·基于线性代数方法的模型阶次选择研究 | 第74-76页 |
| ·基于高阶统计量的模型阶次选择研究 | 第76-77页 |
| ·实验定阶方法研究 | 第77-79页 |
| ·计算机仿真试验分析 | 第79-86页 |
| ·本章小结 | 第86-87页 |
| 第五章 故障诊断的模糊神经网络 | 第87-112页 |
| ·引言 | 第87页 |
| ·故障诊断网络模型 | 第87-104页 |
| ·模糊神经网络(FNN)的构造 | 第88-91页 |
| ·人工神经网络(ANN)的选择 | 第91-94页 |
| ·径向基函数(RBF)网络的学习算法 | 第94-98页 |
| ·RBF网络与模糊理论的结合研究 | 第98-103页 |
| ·改进的RBFNN故障诊断模型 | 第103-104页 |
| ·新故障样本的获取方法 | 第104-107页 |
| ·自适应故障诊断系统 | 第107-108页 |
| ·计算机仿真试验研究 | 第108-111页 |
| ·本章小结 | 第111-112页 |
| 第六章 双通道电液伺服道路模拟试验台智能故障诊断系统的试验研究 | 第112-141页 |
| ·引言 | 第112页 |
| ·试验条件 | 第112-116页 |
| ·道路模拟试验台故障诊断系统阿软件实现 | 第116-135页 |
| ·系统功能模块的设计 | 第116-118页 |
| ·故障特征量的选取 | 第118-121页 |
| ·数据采集及预处理 | 第121-123页 |
| ·短信号分析的DSP芯片实现 | 第123-128页 |
| ·模糊神经网络的故障推理的软件实现 | 第128-135页 |
| ·道路模拟试验台故障诊断系统运行实例 | 第135-140页 |
| ·道路模拟试验台故障诊断系统的知识学习 | 第136-137页 |
| ·道路模拟试验台故障诊断系统运行实例 | 第137-140页 |
| ·本章小结 | 第140-141页 |
| 第七章 全文总结与研究展望 | 第141-143页 |
| 参考文献 | 第143-150页 |
| 作者在攻读博士学位期间参加的科研项目和完成的论文 | 第150-151页 |
| 致谢 | 第151-152页 |