| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-12页 |
| 1.1 论文选题背景和研究意义 | 第8-9页 |
| 1.1.1 论文选题背景 | 第8页 |
| 1.1.2 论文研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文的主要研究内容 | 第11-12页 |
| 2 轴承故障信号分析方法 | 第12-24页 |
| 2.1 滚动轴承的故障特征 | 第12-14页 |
| 2.1.1 滚动轴承的结构及振动原理 | 第12-13页 |
| 2.1.2 滚动轴承故障类型 | 第13-14页 |
| 2.1.3 轴承振动信号的特征 | 第14页 |
| 2.2 故障特征提取方法 | 第14-15页 |
| 2.3 傅立叶分析法 | 第15-16页 |
| 2.4 小波分析法 | 第16-18页 |
| 2.4.1 小波分析的定义 | 第16页 |
| 2.4.2 小波基函数 | 第16页 |
| 2.4.3 连续小波变换 | 第16-18页 |
| 2.4.4 离散小波变换 | 第18页 |
| 2.5 小波包分析法 | 第18-20页 |
| 2.6 EMD 分析法 | 第20-22页 |
| 2.6.1 本征模函数 | 第20-21页 |
| 2.6.2 EMD 分解过程 | 第21-22页 |
| 2.6.3 EMD 分析法的优点 | 第22页 |
| 2.7 数据的采集 | 第22-23页 |
| 2.8 小结 | 第23-24页 |
| 3 基于 BP 神经网络的故障诊断 | 第24-38页 |
| 3.1 人工神经网络的基本原理 | 第24-28页 |
| 3.1.1 神经元 | 第24-25页 |
| 3.1.2 传递函数 | 第25-27页 |
| 3.1.3 神经网络的特点 | 第27页 |
| 3.1.4 神经网络的分类 | 第27-28页 |
| 3.2 BP 神经网络 | 第28-31页 |
| 3.2.1 BP 神经网络的结构 | 第28-29页 |
| 3.2.2 神经网络的分类 | 第29-31页 |
| 3.2.3 BP 神经网络的设计 | 第31页 |
| 3.2.4 BP 神经网络的缺陷 | 第31页 |
| 3.3 BP 神经网络的改进 | 第31-34页 |
| 3.3.1 PSO 算法原理 | 第31-32页 |
| 3.3.2 PSO 算法优化 BP 神经网络 | 第32-34页 |
| 3.4 基于 PSO 算法的 BP 神经网络建模与仿真 | 第34-37页 |
| 3.4.1 神经网络的建模 | 第34页 |
| 3.4.2 神经网络的仿真 | 第34-37页 |
| 3.5 小结 | 第37-38页 |
| 4 小波分析和 BP 神经网络的故障诊断仿真 | 第38-48页 |
| 4.1 故障诊断原理 | 第38页 |
| 4.2 故障诊断步骤 | 第38-39页 |
| 4.3 故障诊断仿真 | 第39-47页 |
| 4.3.1 轴承故障信号 | 第39-40页 |
| 4.3.2 轴承故障信号去噪 | 第40-41页 |
| 4.3.3 故障特征提取 | 第41-45页 |
| 4.3.4 故障状态识别 | 第45-47页 |
| 4.3.5 故障诊断结果分析 | 第47页 |
| 4.4 小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间的研究成果 | 第53页 |