文摘
英文文摘
声明
第一章 绪论
1.1 课题的背景
1.2 设备故障诊断技术的发展状况
1.2.1 国外发展状况
1.2.2 国内发展状况
1.3 故障诊断理论体系
1.3.1 故障信号的特征提取
1.3.2 故障状态的诊断分类
1.4 电机故障诊断技术
1.4.1 电机故障诊断技术的特点
1.4.2 电机的故障诊断技术的实施过程
1.5 电机故障监测
1.5.1 电机故障监测方法
1.5.2 电机故障的振动监测方法
1.6 主要研究内容
1.7 本章小结
第二章 小波及小波包分析理论
2.1 小波理论的发展
2.2 小波变换的基本原理
2.2.1 傅里叶分析
2.2.2 小波变换定义
2.2.3 多分辨率分析
2.2.4 小波函数的构造方法
2.3 小波包算法
2.3.1 小波包分析
2.3.2 小波包算法实现
2.4 基于MALLAT算法的信号分解和重构
2.5 小波包分解在信号分析中的应用
2.6 本章小结
第三章 基于BP网络的故障诊断方法研究
3.1 神经网络概述
3.2 反向传播BP网络
3.2.1 BP算法原理
3.2.2 BP网络的前馈计算
3.2.3 BP网络权系数的调整规则
3.2.4 BP网络学习算法的计算步骤
3.3 BP神经网络设计原则
3.4 BP神经网络的不足
3.5 本章小结
第四章 直流电动机故障诊断系统
4.1 直流电动机结构及故障分析
4.1.1 直流电动机结构
4.1.2 直流电动机故障的振动分析
4.2 振动信号处理方法研究
4.2.1 时域处理方法
4.2.2 频域处理方法
4.2.3 时频分析方法
4.3 仿真振动信号的时频分析实例
4.4 小波神经网络系统
4.4.1 小波神经网络的结合途径
4.4.2 小波分析与神经网络的松散型结合
4.5 小波神经网络故障诊断的步骤与实现
4.5.1 振动信号的小波包能量特征提取方法
4.5.2 小波包能量特征提取算法的Matlab7实现
4.5.3 基于BP神经网络的电机状态识别方法
4.5.4 BP神经网络状态识别算法的Matlab7实现
4.6 电机振动信号采集系统
4.6.1 电机振动信号采集系统组成
4.6.2 振动测点布置
4.7 实验过程及结果评析
4.7.1 小波神经网络故障诊断系统的学习训练
4.7.2 小波神经网络故障诊断系统的性能测试
4.8 本章小结
第五章 结论与展望
参考文献
发表论文和科研情况说明
致 谢