基于虚拟仪器的性能参数测试系统的研究 |
论文目录 | | 中文摘要 | 第1
页 | 英文摘要 | 第4-8
页 | 第一章 绪论 | 第8-14
页 | · 机械故障诊断研究概述 | 第8-12
页 | · 机械故障诊断的意义 | 第8-9
页 | · 机械故障诊断方法 | 第9-10
页 | · 机械故障诊断研究现状 | 第10-11
页 | · 机械故障诊断研究的发展趋势 | 第11-12
页 | · 虚拟仪器技术应用现状 | 第12-13
页 | · 论文研究的主要内容 | 第13-14
页 | 第二章 虚拟仪器简述 | 第14-20
页 | · 虚拟仪器的功能和特点 | 第14-15
页 | · LabVIEW 开发平台简介 | 第15-17
页 | · LabVIEW 简介 | 第15
页 | · LabVIEW 的特点与优点 | 第15-17
页 | · LabVIEW 与 MATLAB 混合编程 | 第17-18
页 | · SQL 与数据库访问 | 第18-20
页 | · LabSQL 简介 | 第18-19
页 | · LabSQL 实现数据库访问的方法和编程模型 | 第19-20
页 | 第三章 基于小波技术的机械故障特征提取方法 | 第20-34
页 | · 小波分析基础 | 第20-29
页 | · 傅里叶变换与小波变换的区别 | 第20-22
页 | · 连续小波变换 | 第22
页 | · 离散小波变换 | 第22-23
页 | · 多分辨率分析 | 第23-26
页 | · 多分辨率分析 | 第24-26
页 | · Mallat 算法 | 第26
页 | · 小波包分析 | 第26-29
页 | · 小波包定义 | 第27-28
页 | · 小波包的空间分解 | 第28-29
页 | · 小波包算法 | 第29
页 | · 机械故障信号的消噪处理 | 第29-32
页 | · 信号消噪的准则 | 第30
页 | · 小波消噪的步骤和方法 | 第30
页 | · 小波基和分解层数的选择 | 第30-31
页 | · 小波消噪阈值的确定 | 第31-32
页 | · MATLAB 用于信号降噪 | 第32
页 | · 机械故障信号的特征提取 | 第32-34
页 | 第四章 小波神经网络在机械故障诊断中的应用 | 第34-47
页 | · 神经网络在机械故障诊断中的应用 | 第34
页 | · BP 神经网络 | 第34-41
页 | · BP 神经网络算法概述 | 第34-36
页 | · BP 网络的学习 | 第36
页 | · BP 网络改进算法 | 第36-39
页 | · 动量BP 算法(momentum back propagation, MOBP) | 第36-37
页 | · 学习速率可变的BP 算法(VLBP) | 第37
页 | · 弹性BP 算法(resilient back-PROPagation,RPROP) | 第37-38
页 | · 拟牛顿算法(Quasi-Newton algorithms) | 第38
页 | · LM(levenberg-marquardt)算法 | 第38-39
页 | · 不同改进BP 算法的数值实验及结果分析 | 第39-41
页 | · 数值实验 | 第39-40
页 | · 实验结果分析 | 第40-41
页 | · 基于小波神经网络的机械故障诊断 | 第41-47
页 | · 小波分析和神经网络的结合 | 第41
页 | · 小波神经网络应用于机械故障智能诊断 | 第41-47
页 | · 小波神经网络诊断模型 | 第41-43
页 | · 仿真结果与分析 | 第43-47
页 | 第五章 基于虚拟仪器的机械故障诊断系统的实现 | 第47-55
页 | · 软件系统的总体结构 | 第47-48
页 | · 用户管理模块 | 第48-49
页 | · 信号仿真模块 | 第49-50
页 | · 文件模块 | 第50
页 | · 信号分析模块 | 第50-52
页 | · 故障诊断模块 | 第52-54
页 | · 诊断子模块 | 第52-53
页 | · 修改样本子模块 | 第53-54
页 | · 小结 | 第54-55
页 | 第六章 结论 | 第55-56
页 | 参考文献 | 第56-59
页 | 致谢 | 第59-60
页 | 在校期间发表的学术论文和参加科研情况 | 第60页 |
|
|
|