| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·本文的研究内容 | 第13-14页 |
| 第2章 铁路货车滚动轴承的声发射诊断技术 | 第14-25页 |
| ·滚动轴承的主要失效形式与原因 | 第14-16页 |
| ·滚动轴承的故障诊断方法 | 第16-17页 |
| ·滚动轴承的声发射诊断 | 第17-20页 |
| ·声发射技术理论概述 | 第17-18页 |
| ·滚动轴承故障声发射诊断机理 | 第18-19页 |
| ·声发射诊断特点 | 第19页 |
| ·影响声发射检测的关键因素 | 第19-20页 |
| ·声发射信号处理方法 | 第20-25页 |
| ·参数分析法 | 第21页 |
| ·谱估计处理法 | 第21-22页 |
| ·模式识别方法 | 第22-23页 |
| ·人工神经网络模式识别方法 | 第23页 |
| ·时频分析方法 | 第23-25页 |
| 第3章 滚动轴承声发射信号的小波算法研究 | 第25-43页 |
| ·傅立叶变换与小波变换 | 第25-27页 |
| ·小波变换理论 | 第27-30页 |
| ·小波变换函数 | 第27页 |
| ·连续小波变换 | 第27-29页 |
| ·离散小波变换 | 第29-30页 |
| ·滚动轴承声发射信号分析的小波基选取 | 第30-35页 |
| ·常用小波基性质 | 第31页 |
| ·小波基选取规则研究 | 第31-33页 |
| ·滚动轴承声发射信号分析的小波基选择 | 第33-35页 |
| ·声发射信号小波分析Mallat算法 | 第35-39页 |
| ·声发射信号小波包分解的能量特征分析方法 | 第39-43页 |
| ·小波包定义 | 第39-40页 |
| ·小波包分解与重构算法 | 第40页 |
| ·基于小波包分解的故障特征提取 | 第40-43页 |
| 第4章 基于BP神经网络的AE信号轴承故障诊断研究 | 第43-60页 |
| ·人工神经网络概述 | 第43-44页 |
| ·人工神经元模型 | 第43-44页 |
| ·人工神经网络性质 | 第44页 |
| ·BP神经网络及其算法 | 第44-48页 |
| ·BP神经网络性质 | 第44-45页 |
| ·BP算法研究 | 第45-48页 |
| ·BP算法的改进 | 第48页 |
| ·基于BP神经网络的AE信号轴承故障诊断研究 | 第48-51页 |
| ·隐层数与隐层节点的确定 | 第49-50页 |
| ·传递函数与训练算法的选择 | 第50页 |
| ·学习速度与学习误差的确定 | 第50页 |
| ·输入层和输出层节点数与样本选择 | 第50-51页 |
| ·状态识别神经网络的训练与仿真 | 第51-60页 |
| ·状态识别神经网络训练样本的构造 | 第51-55页 |
| ·状态识别神经网络的建立 | 第55-56页 |
| ·状态识别神经网络的训练与仿真结论分析 | 第56-60页 |
| 第5章 结论与展望 | 第60-62页 |
| ·结论 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间科研及论文完成情况 | 第67页 |