| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| ·选题背景及意义 | 第13-14页 |
| ·旋转机械智能故障诊断技术简介 | 第14-15页 |
| ·智能诊断技术的当前研究现状 | 第15-18页 |
| ·国外发展情况 | 第16-17页 |
| ·国内研究现状 | 第17-18页 |
| ·主要研究内容与安排 | 第18-20页 |
| 第2章 典型智能算法的原理介绍与解析 | 第20-32页 |
| ·引言 | 第20页 |
| ·粒子群优化算法简介 | 第20-22页 |
| ·PSO算法原理 | 第20-21页 |
| ·PSO算法流程 | 第21-22页 |
| ·PSO参数设置 | 第22页 |
| ·杂草算法的计算机制 | 第22-27页 |
| ·IWO算法原理 | 第22-24页 |
| ·IWO算法流程 | 第24-25页 |
| ·IWO参数的设置建议 | 第25页 |
| ·IWO算法收敛性的证明 | 第25-27页 |
| ·神经网络分类器的原理介绍 | 第27-30页 |
| ·神经网络概述 | 第27-28页 |
| ·神经网络结构分析 | 第28-29页 |
| ·神经网络BP算法简介 | 第29-30页 |
| ·神经网络可行优化策略的讨论 | 第30页 |
| ·讨论与分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 转子振动信号智能消噪滤波的改进与应用 | 第32-45页 |
| ·引言 | 第32页 |
| ·谱减法消噪与LMS滤波方法简介 | 第32-34页 |
| ·谱减法消噪的计算基础 | 第32-33页 |
| ·LMS滤波器的基本结构 | 第33-34页 |
| ·故障信号处理方法的粒子群优化研究 | 第34-35页 |
| ·PSO优化谱减法 | 第34页 |
| ·PSO优化LMS算法 | 第34-35页 |
| ·PSO-SSLMS混合算法的设计 | 第35-36页 |
| ·PSO-SSLMS算法特点分析 | 第35-36页 |
| ·PSO-SSLMS算法的流程规划 | 第36页 |
| ·模拟信号的PSO-SSLMS消噪处理情况 | 第36-38页 |
| ·试验台故障信号的消噪滤波 | 第38-42页 |
| ·信号采集情况说明 | 第38-39页 |
| ·PSO-SSLMS算法消噪滤波结果分析 | 第39-41页 |
| ·试验台不同故障信号各自特点分析 | 第41-42页 |
| ·其他方法对试验台故障信号处理情况的对比与讨论 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 IWO的改进方法研究及IWO-BPNN分类器的设计 | 第45-58页 |
| ·引言 | 第45页 |
| ·IWO搜索性能的二维优化问题实例验证 | 第45-48页 |
| ·Biharmonic样条曲面的构造方法介绍 | 第46-47页 |
| ·IWO搜索曲面极值点的过程讨论 | 第47-48页 |
| ·IWO搜索Biharmonic曲面极值的结果分析 | 第48页 |
| ·IWO算法改进方案的研究 | 第48-49页 |
| ·改进的IWO优化BPNN结构与权值的算法规划 | 第49-51页 |
| ·神经网络权值、阈值的IWO种子编码 | 第50页 |
| ·杂草植株的适应度计算 | 第50-51页 |
| ·故障信号的IWO-BPNN分类问题研究 | 第51-57页 |
| ·故障特征值计算 | 第51-53页 |
| ·IWO-BPNN训练过程的讨论 | 第53-55页 |
| ·IWO-BPNN训练、分类的结果分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 嵌入智能算法的转子故障诊断系统开发 | 第58-63页 |
| ·引言 | 第58页 |
| ·诊断系统基础介绍 | 第58-59页 |
| ·开发语言简介 | 第58-59页 |
| ·软件预期设计目标 | 第59页 |
| ·软件程序分析与界面介绍 | 第59-62页 |
| ·软件应用情况介绍 | 第62页 |
| ·本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 主要研究成果 | 第63-64页 |
| 研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第70页 |