小波分形理论与神经网络结合的电机轴承故障诊断研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·电机轴承故障诊断的现状及其发展趋势 | 第10-11页 |
| ·研究现状 | 第10-11页 |
| ·发展趋势 | 第11页 |
| ·课题的研究目的及意义 | 第11-13页 |
| ·研究意义 | 第12页 |
| ·研究目的 | 第12-13页 |
| ·滚动轴承信号处理方法 | 第13-16页 |
| ·论文的研究内容 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 电机轴承的故障机理分析及信号采集 | 第18-26页 |
| ·实验滚动轴承 | 第18-19页 |
| ·滚动轴承的基本构造极其运转机理 | 第18-19页 |
| ·滚动轴承常用参数 | 第19页 |
| ·轴承故障形式及成因 | 第19-21页 |
| ·轴承的振动类型及故障频率 | 第21-23页 |
| ·固有振动频率 | 第21-22页 |
| ·故障频率特征 | 第22-23页 |
| ·轴承实验信号采集 | 第23-25页 |
| ·实验装置 | 第23-24页 |
| ·信号采集 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于小波变换的轴承信号特征值提取 | 第26-44页 |
| ·小波处理轴承信号的方法 | 第26-33页 |
| ·连续小波变换 | 第27-28页 |
| ·离散小波变换 | 第28页 |
| ·二进小波变换 | 第28-29页 |
| ·多分辨分析 | 第29页 |
| ·小波包分析 | 第29-33页 |
| ·小波在故障诊断中的应用 | 第33-43页 |
| ·小波分解与小波包分解消噪的应用分析 | 第33-40页 |
| ·特征值提取 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于分形维数的特征值提取 | 第44-64页 |
| ·分形维数处理轴承信号的方法 | 第44-54页 |
| ·分形的运用原理 | 第44-46页 |
| ·分形维数与盒维数的应用 | 第46-54页 |
| ·关联维数在轴承信号中的应用 | 第54-63页 |
| ·关联维数求取过程中参数选择及对信号的要求 | 第55-58页 |
| ·关联维数特征值提取 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 滚动轴承故障诊断 | 第64-78页 |
| ·神经网络诊断 | 第64-71页 |
| ·概率神经网络的模型及算法 | 第64-65页 |
| ·概率神经网络的模式识别 | 第65-67页 |
| ·神经网络诊断应用 | 第67-71页 |
| ·故障诊断模块软件设计 | 第71-77页 |
| ·故障诊断模块简介 | 第71-72页 |
| ·故障诊断软件设计 | 第72-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 结论与展望 | 第78-80页 |
| ·结论 | 第78页 |
| ·展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-85页 |
| 攻读硕士学位期间发表的学术论文目录 | 第85页 |
