第一章 绪论 | 第1-16页 |
1.1 故障诊断兴起的原因和意义 | 第8页 |
1.2 故障的定义、分类及故障诊断定义 | 第8-9页 |
1.3 当前动态系统故障诊断的方法 | 第9-10页 |
1.3.1 基于解析模型的方法 | 第9页 |
1.3.2 基于信号处理的方法 | 第9-10页 |
1.3.3 基于知识的方法 | 第10页 |
1.4 小波变换的兴起及其在故障诊断的应用 | 第10-11页 |
1.5 故障诊断系统的基本结构 | 第11-13页 |
1.6 MATLAB软件平台的介绍 | 第13-14页 |
1.7 本文研究概述 | 第14-16页 |
第二章 动态系统奇异信号的检测 | 第16-34页 |
2.1 引言 | 第16页 |
2.2 傅里叶(Fourier)分析与小波(Wavelet)分析之比较 | 第16-18页 |
2.3 小波基与正弦基的特点比较 | 第18页 |
2.4 常用小波函数(系)介绍 | 第18-22页 |
2.5 小波基波选择的标准 | 第22-24页 |
2.6 小波变换的基本理论 | 第24-26页 |
2.6.1 连续小波变换(Continuous Wavelet Transform—CWT) | 第24-25页 |
2.6.2 离散小波变换(Discrete Wavelet Transform—DWT) | 第25-26页 |
2.7 小波变换的特点 | 第26页 |
2.8 基于小波变换的函数的局部正规性的描述 | 第26-30页 |
2.9 利用小波变换检测信号的突变 | 第30-33页 |
2.10 结论 | 第33-34页 |
第三章 小汉变换在信号检测处理中应用 | 第34-48页 |
3.1 引言 | 第34页 |
3.2 多分辨率分析(Multi-resolution Analysis)理论介绍 | 第34-35页 |
3.3 Mallat算法 | 第35-37页 |
3.4 利用小波变换去噪提取系统波形特征 | 第37-41页 |
3.5 利用小波多分辨率分析技术分析噪声特征进行故障诊断 | 第41-46页 |
3.6 结论 | 第46-48页 |
第四章 小波神经网络在故障诊断中的应用 | 第48-64页 |
4.1 引言 | 第48页 |
4.2 神经网络技术简介 | 第48-49页 |
4.3 神经网络的结构 | 第49-50页 |
4.4 神经网络的学习规则 | 第50-51页 |
4.5 小波网络的数学基础 | 第51-53页 |
4.6 小波网络简介及其结构和算法 | 第53-55页 |
4.6.1 小波网络结构各节点的确定 | 第54页 |
4.6.2 小波网络的学习算法 | 第54-55页 |
4.7 小波网络的具体算法推导 | 第55-61页 |
4.8 仿真实例 | 第61页 |
4.9 结论 | 第61-64页 |
第五章 小波网络在船舶主机冷却系统故障诊断中的应用 | 第64-72页 |
5.1 引言 | 第64页 |
5.2 神经网络在故障诊断中的应用 | 第64-65页 |
5.3 小波网络用于故障诊断 | 第65-66页 |
5.4 小波网络在船舶主柴油机冷却系统故障诊断中的应用 | 第66-69页 |
5.5 结论 | 第69-72页 |
第六章 总结 | 第72-74页 |
致谢 | 第74-75页 |
参考文献 | 第75-78页 |
附录1: | 第78-81页 |