| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·铁路车辆轴承故障监测技术的发展 | 第9-10页 |
| ·本论文研究的内容 | 第10-11页 |
| 第二章动车组转向架轴承故障分析与可靠性模型的建立 | 第11-22页 |
| ·动车组转向架轴承结构 | 第11-12页 |
| ·动车组转向架轴承可靠性研究概述 | 第12-13页 |
| ·动车组转向架轴承的故障树分析(FTA) | 第13-15页 |
| ·故障树原理介绍 | 第13-15页 |
| ·"系统"的定义 | 第15页 |
| ·动车组转向架轴承可靠性模型与故障树 | 第15-21页 |
| ·可靠性提高的措施 | 第21-22页 |
| 第三章 动车组转向架轴承的检测技术与故障机理 | 第22-28页 |
| ·动车组转向架轴承故障诊断的基本内容 | 第22页 |
| ·动车组转向架轴承故障监测常用技术 | 第22-24页 |
| ·机车车辆轴承故障机理分析 | 第24-27页 |
| ·轴承故障的振动原因 | 第24-25页 |
| ·动车组转向架轴承缺陷产生的特征频率 | 第25-27页 |
| ·小结 | 第27-28页 |
| 第四章 动车组转向架轴承故障诊断相关理论的研究 | 第28-48页 |
| ·时频域参数指标诊断方法 | 第28-30页 |
| ·基于小波变换的轴承故障诊断方法 | 第30-33页 |
| ·小波变换原理 | 第30-31页 |
| ·小波包变换原理 | 第31-32页 |
| ·应用小波包分析提取动车组转向架轴承运行状态信号消噪 | 第32-33页 |
| ·基于EMD的时频分析的轴承故障诊断方法 | 第33-35页 |
| ·EMD的基本原理 | 第33-34页 |
| ·特征向量的提取 | 第34-35页 |
| ·智能诊断在轴承故障诊断的应用 | 第35-42页 |
| ·人工神经网络简介 | 第35页 |
| ·BP神经网络 | 第35-38页 |
| ·遗传算法概述 | 第38页 |
| ·改进遗传算法的运算流程 | 第38-41页 |
| ·基于改进遗传算法的BP神经网络优化 | 第41-42页 |
| ·仿真实验分析 | 第42-48页 |
| ·滚动轴承振动信号小波包消噪 | 第43-45页 |
| ·BP神经网络诊断 | 第45-48页 |
| 第五章 动车组转向架轴承诊断系统的设计 | 第48-62页 |
| ·轴承故障诊断系统的硬件集成 | 第48-53页 |
| ·控制器 | 第48-49页 |
| ·机箱 | 第49页 |
| ·加速度传感器 | 第49-51页 |
| ·信号调理和采集卡 | 第51-53页 |
| ·动车组转向架轴承故障诊断系统的软件的研究 | 第53-62页 |
| ·系统软件的设计 | 第53-54页 |
| ·振动信号的采集 | 第54-55页 |
| ·MATLAB与Labwindows/CVI接口技术 | 第55-57页 |
| ·Labwindows/CVI平台下数据库的使用 | 第57-58页 |
| ·信息处理模块 | 第58-59页 |
| ·系统设定 | 第59-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·论文总结 | 第62-63页 |
| ·下一步工作 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间的主要研究成果 | 第69页 |