| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题的背景 | 第10页 |
| ·设备故障诊断技术的发展状况 | 第10-12页 |
| ·国外发展状况 | 第11页 |
| ·国内发展状况 | 第11-12页 |
| ·故障诊断理论体系 | 第12-14页 |
| ·故障信号的特征提取 | 第13页 |
| ·故障状态的诊断分类 | 第13-14页 |
| ·电机故障诊断技术 | 第14-16页 |
| ·电机故障诊断技术的特点 | 第15页 |
| ·电机的故障诊断技术的实施过程 | 第15-16页 |
| ·电机故障监测 | 第16-19页 |
| ·电机故障监测方法 | 第16-17页 |
| ·电机故障的振动监测方法 | 第17-19页 |
| ·主要研究内容 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第二章 小波及小波包分析理论 | 第20-32页 |
| ·小波理论的发展 | 第20-21页 |
| ·小波变换的基本原理 | 第21-26页 |
| ·傅里叶分析 | 第21-22页 |
| ·小波变换定义 | 第22-23页 |
| ·多分辨率分析 | 第23-25页 |
| ·小波函数的构造方法 | 第25-26页 |
| ·小波包算法 | 第26-28页 |
| ·小波包分析 | 第26-27页 |
| ·小波包算法实现 | 第27-28页 |
| ·基于 Mallat 算法的信号分解和重构 | 第28-29页 |
| ·小波包分解在信号分析中的应用 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于BP 网络的故障诊断方法研究 | 第32-41页 |
| ·神经网络概述 | 第32-34页 |
| ·反向传播BP 网络 | 第34-38页 |
| ·BP 算法原理 | 第34-35页 |
| ·BP 网络的前馈计算 | 第35-36页 |
| ·BP 网络权系数的调整规则 | 第36-38页 |
| ·BP 网络学习算法的计算步骤 | 第38页 |
| ·BP 神经网络设计原则 | 第38-40页 |
| ·BP 神经网络的不足 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 直流电动机故障诊断系统 | 第41-59页 |
| ·直流电动机结构及故障分析 | 第41-43页 |
| ·直流电动机结构 | 第41页 |
| ·直流电动机故障的振动分析 | 第41-43页 |
| ·振动信号处理方法研究 | 第43-46页 |
| ·时域处理方法 | 第43-45页 |
| ·频域处理方法 | 第45-46页 |
| ·时频分析方法 | 第46页 |
| ·仿真振动信号的时频分析实例 | 第46-48页 |
| ·小波神经网络系统 | 第48页 |
| ·小波神经网络的结合途径 | 第48页 |
| ·小波分析与神经网络的松散型结合 | 第48页 |
| ·小波神经网络故障诊断的步骤与实现 | 第48-52页 |
| ·振动信号的小波包能量特征提取方法 | 第48-50页 |
| ·小波包能量特征提取算法的 Matlab7 实现 | 第50-51页 |
| ·基于BP 神经网络的电机状态识别方法 | 第51页 |
| ·BP 神经网络状态识别算法的 Matlab7 实现 | 第51-52页 |
| ·电机振动信号采集系统 | 第52-55页 |
| ·电机振动信号采集系统组成 | 第52-55页 |
| ·振动测点布置 | 第55页 |
| ·实验过程及结果评析 | 第55-57页 |
| ·小波神经网络故障诊断系统的学习训练 | 第55-56页 |
| ·小波神经网络故障诊断系统的性能测试 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 结论与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 发表论文和科研情况说明 | 第63-64页 |
| 致谢 | 第64-65页 |