基于小波神经网络专家系统的齿轮箱故障诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·机械设备故障诊断技术的意义及发展现状 | 第11-13页 |
| ·机械设备故障诊断的意义 | 第11-12页 |
| ·机械设备故障诊断技术的研究现状 | 第12-13页 |
| ·齿轮箱故障诊断的研究意义及现状 | 第13-15页 |
| ·齿轮箱故障诊断的研究意义 | 第13-14页 |
| ·齿轮箱故障诊断的研究现状 | 第14-15页 |
| ·小波分析的特点及其在故障诊断中的应用前景 | 第15-16页 |
| ·智能诊断方法在故障诊断中的发展及应用前景 | 第16-19页 |
| ·神经网络的特点及其在故障诊断中的应用前景 | 第16-17页 |
| ·专家系统在故障诊断应用中的发展 | 第17-19页 |
| ·本课题的研究意义和内容 | 第19-21页 |
| ·研究意义 | 第19-20页 |
| ·主要研究内容 | 第20-21页 |
| 第2章 齿轮箱振动机理和故障机理的研究 | 第21-34页 |
| ·齿轮箱的典型故障形式 | 第21-24页 |
| ·齿轮的故障类型及成因 | 第22-23页 |
| ·轴和轴承的故障类型及成因 | 第23-24页 |
| ·齿轮箱振动机理的研究 | 第24-29页 |
| ·齿轮的振动机理分析 | 第24-26页 |
| ·轴承的振动机理分析 | 第26-29页 |
| ·齿轮箱振动信号的特征 | 第29-32页 |
| ·齿轮振动信号的啮合频率及各次谐波 | 第29-30页 |
| ·齿轮振动信号的啮合频率调制 | 第30-32页 |
| ·其他调制现象 | 第32页 |
| ·模式识别 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 小波神经网络专家系统的设计理论 | 第34-56页 |
| ·小波分析理论 | 第34-37页 |
| ·小波分析的基本原理 | 第34-35页 |
| ·多分辨率分析与Mallat 算法 | 第35-37页 |
| ·小波包分析的基本原理 | 第37-43页 |
| ·小波包理论 | 第37-38页 |
| ·小波(包)降噪的模型 | 第38-39页 |
| ·小波(包)降噪的准则 | 第39-40页 |
| ·小波(包)降噪实现过程 | 第40页 |
| ·基于样本估计阈值的选取 | 第40-42页 |
| ·小波(包)阈值化方法 | 第42-43页 |
| ·小波变换下的信噪分离方法 | 第43页 |
| ·小波分析与神经网络的融合 | 第43-52页 |
| ·神经元模型 | 第43-45页 |
| ·激活函数 | 第45-46页 |
| ·神经元的连接形式 | 第46-47页 |
| ·BP 网络及BP 算法 | 第47-52页 |
| ·小波分析与神经网络的融合方式 | 第52页 |
| ·神经网络专家系统的理论分析 | 第52-55页 |
| ·神经网络专家系统的基本原理 | 第52-53页 |
| ·神经网络专家系统的功能和特点 | 第53-55页 |
| ·神经网络和专家系统的集成模式 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第4章 小波神经网络专家系统的设计及实际应用 | 第56-72页 |
| ·小波神经网络专家系统设计流程图 | 第56-57页 |
| ·小波包降噪理论在实际中的应用 | 第57-59页 |
| ·降噪方法和阈值的选取 | 第57页 |
| ·齿轮箱故障信号的小波包降噪 | 第57-59页 |
| ·神经网络专家系统在齿轮箱故障诊断上的具体实现 | 第59-68页 |
| ·故障信号的特征向量提取 | 第60-64页 |
| ·BP 神经网络专家系统的设计过程 | 第64-68页 |
| ·故障诊断结果分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 智能故障诊断系统的设计和试验平台的建立 | 第72-84页 |
| ·MATLAB 神经网络工具箱的简介 | 第72-73页 |
| ·VB 和Matlab 接口实现方法介绍 | 第73-75页 |
| ·智能故障诊断程序界面的编写 | 第75-79页 |
| ·信号采集实验 | 第79-83页 |
| ·试验平台的建立 | 第79-81页 |
| ·齿轮和轴承故障模拟 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 结论 | 第84-86页 |
| 参考文献 | 第86-91页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第91-92页 |
| 致谢 | 第92-93页 |
| 作者简介 | 第93页 |
