基于小波包—神经网络的机车轴承故障诊断的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题研究的意义 | 第8-10页 |
| ·机车轴承故障诊断的研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·课题研究的目的 | 第12-14页 |
| ·信号处理及特征提取技术 | 第12-13页 |
| ·模式识别技术 | 第13-14页 |
| ·本文主要的研究工作 | 第14-15页 |
| 第二章 滚动轴承的故障原理 | 第15-25页 |
| ·轴承故障类别及其成因 | 第15-17页 |
| ·轴承故障损伤和破坏的形式 | 第15-16页 |
| ·故障轴承声音信号分类 | 第16-17页 |
| ·轴承声音信号产生的结构分析 | 第17-21页 |
| ·滚动轴承的结构分析 | 第17-19页 |
| ·共振解调技术 | 第19-20页 |
| ·轴承信号的频谱结构 | 第20-21页 |
| ·轴承信号的统计特征 | 第21-25页 |
| ·时域特征参数 | 第21-23页 |
| ·频域特征参数 | 第23-25页 |
| 第三章 小波变换在轴承故障诊断中的应用 | 第25-52页 |
| ·小波变换的基本概念 | 第25-32页 |
| ·小波变换的定义 | 第26-27页 |
| ·连续小波变换 | 第27-28页 |
| ·离散小波变换 | 第28-30页 |
| ·小波包分析 | 第30-31页 |
| ·常用小波函数 | 第31-32页 |
| ·小波变换在故障诊断领域中的应用 | 第32-38页 |
| ·小波变换的应用 | 第32-33页 |
| ·小波减噪应用于轴承故障诊断 | 第33-36页 |
| ·基于小波包的故障特征提取 | 第36-38页 |
| ·试验仿真分析 | 第38-52页 |
| ·仿真试验 | 第38-49页 |
| ·仿真结果分析 | 第49-52页 |
| 第四章 PSO优化神经网络在轴承故障诊断中的应用 | 第52-72页 |
| ·人工神经网络 | 第53-58页 |
| ·人工神经元模型 | 第53-54页 |
| ·神经网络的结构 | 第54-56页 |
| ·神经网络结构的设计 | 第56-58页 |
| ·BP神经网络原理及其改进算法 | 第58-62页 |
| ·BP网络原理 | 第58页 |
| ·BP算法描述 | 第58-61页 |
| ·BP网络用于故障诊断的局限性 | 第61-62页 |
| ·粒子群优化神经网络 | 第62-68页 |
| ·粒子群算法的基本原理 | 第62-63页 |
| ·PSO的算法流程 | 第63-64页 |
| ·PSO优化神经网络的学习算法 | 第64-66页 |
| ·PSO优化神经网络的训练流程 | 第66-68页 |
| ·试验仿真分析 | 第68-72页 |
| 第五章 结论与展望 | 第72-74页 |
| ·结论 | 第72-73页 |
| ·后续工作及展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间主要的研究成果目录 | 第80页 |
