| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·国内外相关技术的研究现状 | 第8-15页 |
| ·非平稳信号处理理论及其应用现状与发展 | 第9-13页 |
| ·智能故障诊断技术的研究与应用现状 | 第13-15页 |
| ·课题的提出及意义 | 第15-16页 |
| ·论文的主要研究内容 | 第16-18页 |
| 第二章 非平稳信号的时变自回归(TVAR) 模型 | 第18-40页 |
| ·TVAR 建模与分析 | 第18-22页 |
| ·利用动态模型和适应算法求解时变参数 | 第19-21页 |
| ·利用基函数算法求解时变参数 | 第21-22页 |
| ·基于TVAR 模型的时变谱估计 | 第22页 |
| ·两种时变频率估计技术的比较 | 第22-26页 |
| ·基函数对时变自回归建模的影响分析 | 第26-37页 |
| ·TVAR 模型的阶数选择与确定 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 BP 神经网络诊断与时频特征提取技术介绍 | 第40-56页 |
| ·BP 神经网络简介 | 第40-46页 |
| ·BP 神经网络的学习训练算法 | 第40-42页 |
| ·BP 网络参数选择原则 | 第42-46页 |
| ·时频特征提取的方法与技术 | 第46-55页 |
| ·基于时频分析的故障特征提取技术 | 第46-50页 |
| ·基于时频谱的故障提取技术 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 基于TVAR 模型的轴承振动信号分析与智能诊断 | 第56-72页 |
| ·轴承的振动及其故障特征 | 第56-58页 |
| ·轴承振动信号的 TVAR 建模与分析 | 第58-65页 |
| ·TVAR 模型最佳阶数的确定 | 第58-60页 |
| ·信号的TVAR 建模 | 第60-62页 |
| ·短数据条件下的的TVAR 建模与分析 | 第62-64页 |
| ·轴承信号的时频谱分析 | 第64-65页 |
| ·基于时变频谱的轴承智能诊断 | 第65-71页 |
| ·基于时变频谱的特征提取 | 第66页 |
| ·基于BP 神经网络的滚动轴承故障智能诊断 | 第66-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 结论与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 发表论文和科研情况说明 | 第78-79页 |
| 致谢 | 第79页 |