基于异常声音的货运列车滚动轴承故障诊断方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景及意义 | 第8-9页 |
| ·滚动轴承故障诊断研究现状 | 第9-13页 |
| ·国外研究现状 | 第9-12页 |
| ·国内研究现状 | 第12-13页 |
| ·研究内容及组织结构 | 第13-15页 |
| 第二章 轴承故障原因及机理分析 | 第15-25页 |
| ·滚动轴承的主要故障形式及成因 | 第15-18页 |
| ·滚动轴承的主要故障形式 | 第15-17页 |
| ·滚动轴承的故障成因 | 第17-18页 |
| ·轴承结构分析 | 第18-21页 |
| ·滚动轴承的结构分析 | 第18-20页 |
| ·滚动轴承声音信号的频谱结构 | 第20-21页 |
| ·轴承信号的统计特征 | 第21-25页 |
| ·时域特征参数 | 第21-23页 |
| ·频域特征参数 | 第23-25页 |
| 第三章 基于小波包分解的声音信号特征提取 | 第25-51页 |
| ·传统的时频分析 | 第25-33页 |
| ·声音与振动工具包 | 第25-27页 |
| ·时域分析 | 第27-30页 |
| ·频域分析 | 第30-32页 |
| ·各种分析方法的比较 | 第32-33页 |
| ·小波分析方法 | 第33-40页 |
| ·小波变换定义 | 第34-35页 |
| ·连续小波变换 | 第35-36页 |
| ·离散小波变换 | 第36-38页 |
| ·小波包分析 | 第38-39页 |
| ·LabVIEW小波分析工具箱 | 第39-40页 |
| ·基于小波包的声音信号的特征提取 | 第40-44页 |
| ·小波基函数的选取 | 第40-42页 |
| ·基于小波包的异常声音信号的特征提取 | 第42-44页 |
| ·实验仿真分析 | 第44-51页 |
| ·小波包分解及包络谱分析 | 第44-48页 |
| ·K因子的特征提取 | 第48-51页 |
| 第四章 基于BP神经网络的轴承故障诊断 | 第51-65页 |
| ·引言 | 第51-52页 |
| ·BP神经网络原理 | 第52-58页 |
| ·BP网络模型 | 第52-54页 |
| ·BP网络算法 | 第54-56页 |
| ·基于自适应学习率的改进的BP算法 | 第56-57页 |
| ·MATLAB神经网络工具箱 | 第57-58页 |
| ·BP神经网络设计与仿真研究 | 第58-65页 |
| ·BP神经网络结构设计 | 第58-59页 |
| ·BP算法仿真 | 第59-64页 |
| ·基于自适应学习率的BP算法仿真 | 第64-65页 |
| 第五章 结论与展望 | 第65-67页 |
| ·结论 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士期间科研论文完成情况 | 第73页 |
