| 第一章 绪论 | 第1-38页 |
| ·故障诊断技术的研究意义和研究内容 | 第11-13页 |
| ·故障诊断技术的研究意义 | 第11-12页 |
| ·故障诊断技术的研究内容 | 第12-13页 |
| ·非平稳信号故障特征提取方法简述 | 第13-25页 |
| ·振动信号的非平稳性 | 第13-14页 |
| ·时频分析方法简述 | 第14-19页 |
| ·基于时频分析的故障特征提取方法国内外研究现状 | 第19-22页 |
| ·局域波理论及其发展概况 | 第22-24页 |
| ·局域波法在故障诊断中的应用现状 | 第24-25页 |
| ·智能故障诊断技术的国内外研究与应用现状 | 第25-34页 |
| ·故障诊断技术的发展概述 | 第25-29页 |
| ·智能故障诊断技术的研究与应用现状 | 第29-32页 |
| ·智能故障诊断技术存在的问题 | 第32-34页 |
| ·“汽车变速箱性能检测系统”项目的提出及关键技术 | 第34-35页 |
| ·研究项目的提出及意义 | 第34页 |
| ·项目研制的关键技术 | 第34-35页 |
| ·论文的研究内容和结构 | 第35-38页 |
| 第二章 局域波分解及边界问题的处理 | 第38-55页 |
| ·全域波和局域波 | 第38-39页 |
| ·局域波分解原理及实现 | 第39-46页 |
| ·瞬时频率及其物理意义 | 第39-41页 |
| ·局域波分解原理 | 第41-42页 |
| ·几种实现方法 | 第42-44页 |
| ·分解方法的完备性和正交性 | 第44-45页 |
| ·仿真信号分析 | 第45-46页 |
| ·基于Chebyshev数值逼近的边界处理 | 第46-53页 |
| ·问题的提出 | 第46-47页 |
| ·已有的边界处理方法 | 第47-48页 |
| ·基于Chebyshev数值逼近的数据序列延拓方法 | 第48-53页 |
| ·小结 | 第53-55页 |
| 第三章 基于时频局部能量的特征提取 | 第55-67页 |
| ·局域波时频分析方法 | 第55-58页 |
| ·基本原理 | 第55-56页 |
| ·仿真信号分析 | 第56-58页 |
| ·实测信号分析 | 第58页 |
| ·基于局域波法的时频局部能量特征提取方法 | 第58-62页 |
| ·时频局部能量定义 | 第58-59页 |
| ·基于时频局部能量的特征提取方法 | 第59页 |
| ·故障诊断实例 | 第59-62页 |
| ·基于小波包分解的频带局部能量的特征提取方法 | 第62-66页 |
| ·基于小波包分解的频带能量分析 | 第62-63页 |
| ·基于小波包分解的频带局部能量特征提取方法 | 第63-64页 |
| ·仿真信号分析 | 第64-66页 |
| ·小结 | 第66-67页 |
| 第四章 智能故障诊断系统的一般框架 | 第67-74页 |
| ·智能故障诊断系统的生物学基础 | 第67-68页 |
| ·智能故障诊断系统的理论基础 | 第68-71页 |
| ·复杂设备的层次结构 | 第68-69页 |
| ·复杂设备系统故障的特点 | 第69-70页 |
| ·智能故障诊断系统的概念 | 第70-71页 |
| ·智能故障诊断系统的一般框架 | 第71-73页 |
| ·小结 | 第73-74页 |
| 第五章 基于粗糙集-局域波-神经网络的智能故障诊断方法 | 第74-90页 |
| ·基于粗糙集理论的属性约简方法 | 第74-78页 |
| ·粗糙集理论的基本概念 | 第74-75页 |
| ·最佳属性约简方法 | 第75-77页 |
| ·算法举例 | 第77-78页 |
| ·径向基函数神经网络(RBFN) | 第78-84页 |
| ·RBF神经元 | 第78页 |
| ·网络拓扑结构 | 第78-80页 |
| ·自适应聚类中心选取学习算法SASCC | 第80-83页 |
| ·SASCC算法算例 | 第83-84页 |
| ·基于局域波-神经网络-模糊的智能故障诊断方法 | 第84-85页 |
| ·诊断系统模型 | 第84-85页 |
| ·诊断的基本步骤 | 第85页 |
| ·诊断实例 | 第85-89页 |
| ·特征提取 | 第86页 |
| ·特征属性约简 | 第86-87页 |
| ·构造并训练RBF神经网络 | 第87-88页 |
| ·网络分类性能分析 | 第88-89页 |
| ·小结 | 第89-90页 |
| 第六章 基于证据理论的多神经网络故障诊断方法 | 第90-103页 |
| ·D-S证据理论概述 | 第90-94页 |
| ·证据理论的基本概念 | 第90-92页 |
| ·D-S合成法则 | 第92-93页 |
| ·证据理论的推广 | 第93页 |
| ·算例 | 第93-94页 |
| ·基于证据理论的多神经网络故障诊断功能模型 | 第94-97页 |
| ·基于模块神经网络的初步诊断层 | 第95页 |
| ·基于证据推理的融合决策诊断层 | 第95-97页 |
| ·在“汽车变速箱性能检测系统”中的诊断实例分析 | 第97-102页 |
| ·故障实例的选取 | 第97-99页 |
| ·初步诊断过程 | 第99-101页 |
| ·融合决策诊断过程 | 第101-102页 |
| ·小结 | 第102-103页 |
| 第七章 汽车变速箱性能检测系统的软件设计 | 第103-120页 |
| ·总体结构设计 | 第103-105页 |
| ·信号测试项目及系统需求分析 | 第105-106页 |
| ·信号测试项目 | 第105页 |
| ·系统需求分析 | 第105-106页 |
| ·基于软件复用技术的软件设计 | 第106-112页 |
| ·软件复用技术 | 第107-108页 |
| ·监控软件的内容及特点 | 第108-109页 |
| ·软件可复用的设计思想 | 第109-112页 |
| ·C／S模式系统设计思想 | 第112-115页 |
| ·C／S模式系统设计思想 | 第112-113页 |
| ·主要网络功能设计 | 第113-115页 |
| ·系统的应用 | 第115-119页 |
| ·小结 | 第119-120页 |
| 第八章 结论与展望 | 第120-123页 |
| ·论文的工作总结 | 第120-121页 |
| ·后续工作展望 | 第121-123页 |
| 参考文献 | 第123-130页 |
| 攻读博士学位期间发表的学术论文及承担课题 | 第130-131页 |
| 论文创新点 | 第131-132页 |
| 致谢 | 第132-133页 |