| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题背景和意义 | 第11-13页 |
| ·声发射检测技术的研究现状 | 第13-16页 |
| ·声发射检测技术的概述 | 第13-14页 |
| ·声发射信号的处理方法 | 第14-15页 |
| ·声发射技术在故障诊断中的应用现状 | 第15-16页 |
| ·提升小波的研究现状 | 第16-18页 |
| ·论文的研究内容 | 第18-19页 |
| 第二章 提升小波的自适应改进算法研究 | 第19-35页 |
| ·旋转机械声发射信号的特性分析 | 第19-22页 |
| ·提升小波变换的基本理论 | 第22-26页 |
| ·提升算法 | 第22-24页 |
| ·提升小波的分解过程 | 第24-25页 |
| ·提升小波的重构过程 | 第25-26页 |
| ·传统提升小波变换的不足及已有的改进方法 | 第26-28页 |
| ·传统提升小波变换的不足 | 第26-27页 |
| ·已有的改进方法 | 第27-28页 |
| ·提升小波的自适应改进算法 | 第28-33页 |
| ·自适应更新算子的构造 | 第28-29页 |
| ·自适应预测算子的构造 | 第29-31页 |
| ·自适应阈值消噪方法 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 基于改进提升小波的 AE 信号消噪研究 | 第35-49页 |
| ·噪声信号的分类及常用的消噪方法 | 第35-37页 |
| ·噪声信号的分类 | 第35-36页 |
| ·常用的信号消噪方法 | 第36-37页 |
| ·基于改进提升小波的 AE 仿真信号消噪研究 | 第37-44页 |
| ·不同参数值消噪效果研究 | 第38-41页 |
| ·不同方法消噪效果对比研究 | 第41-44页 |
| ·基于改进提升小波的 AE 实测信号消噪研究 | 第44-47页 |
| ·滚动轴承滚珠故障 AE 信号消噪研究 | 第44-45页 |
| ·转子裂纹 AE 信号消噪研究 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 基于改进提升小波和 EMD 的 AE 信号特征提取 | 第49-63页 |
| ·经验模态分解的基本过程及其仿真实例分析 | 第49-53页 |
| ·经验模态分解过程 | 第50-52页 |
| ·经验模态分解的仿真实例分析 | 第52-53页 |
| ·基于改进提升小波和 EMD 的 AE 信号特征提取方法 | 第53-54页 |
| ·基于改进提升小波和 EMD 的 AE 信号特征提取仿真分析 | 第54-57页 |
| ·基于改进提升小波和 EMD 的实测 AE 信号特征提取 | 第57-62页 |
| ·滚动轴承外圈故障 AE 信号的特征提取 | 第57-59页 |
| ·滚动轴承复合故障 AE 信号的特征提取 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于改进提升小波和 BP 神经网络的 AE 信号故障识别 | 第63-77页 |
| ·BP 神经网络的基本算法 | 第63-67页 |
| ·基于改进提升小波的 BP 神经网络模型的建立 | 第67-69页 |
| ·各层节点数的确定 | 第67-68页 |
| ·初始权值的确定 | 第68页 |
| ·期望误差和学习效率 | 第68-69页 |
| ·数据样本的处理 | 第69-72页 |
| ·滚动轴承故障的诊断实例分析 | 第72-75页 |
| ·BP 神经网络的训练 | 第72-74页 |
| ·诊断结果 | 第74-75页 |
| ·本章小结 | 第75-77页 |
| 第六章 结论与展望 | 第77-79页 |
| ·结论 | 第77-78页 |
| ·展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 附录 攻读学位期间参研项目和发表论文目录 | 第85页 |
