首页--工业技术论文--电工技术论文--电机论文--一般性问题论文--电机维护与检修论文

基于振动信号处理的电机轴承故障诊断方法研究

中文摘要第1-6页
ABSTRACT第6-10页
1. 绪论第10-15页
   ·课题研究背景以及意义第10页
   ·电机轴承故障诊断方法和研究现状第10-12页
     ·滚动轴承的故障诊断方法第10-11页
     ·国内外轴承故障诊断技术研究现状比较第11-12页
   ·本文的研究思路和研究内容第12-14页
     ·本文研究思路概述第12-13页
     ·本文研究内容概述第13页
     ·本文主要创新第13-14页
   ·本章小结第14-15页
2. 轴承故障振动机理与故障特性介绍第15-19页
   ·电机滚动轴承故障振动系统原理概述第15-16页
   ·电机滚动轴承典型故障形式概述第16-17页
   ·典型滚动轴承系统特征频率的公式运算第17页
   ·本章小结第17-19页
3. 小波降噪理论在振动信号上的应用第19-38页
   ·传统小波阈值降噪理论介绍第19-21页
     ·时频分析方法概述第19-20页
     ·小波分析原理第20-21页
   ·小波阈值降噪理论介绍第21-23页
     ·小波降噪原理第21-22页
     ·小波阈值降噪算法第22-23页
   ·改进的小波阈值降噪方法的提出第23-29页
     ·传统小波阈值降噪方法简介第23-25页
     ·阈值方法的改进简介第25页
     ·改进阈值函数的提出第25-29页
   ·改进后小波阈值降噪算法在信号降噪上的研究第29-37页
     ·改进后小波降噪算法在仿真信号降噪上初步研究第29-35页
     ·改进后小波降噪算法在机械振动信号降噪上的运用第35-37页
   ·本章小结第37-38页
4. 经验模态分解以及其相关改进方法在振动信号上的应用研究第38-69页
   ·经验模态分解理论介绍第38-41页
     ·本征模式函数(Intrinsic Mode Function)第38-39页
     ·EMD的基本算法第39-41页
     ·EMD与其它信号分解方法的主要区别第41页
   ·包络谱分析方法第41-42页
   ·包络谱和EMD在滚动轴承故障振动信号特征频率提取中的应用第42-54页
   ·改进的经验模态分解理论介绍第54-62页
     ·总体平均经验模态分解理论概述第54-59页
     ·补充的总体平均经验模态分解理论概述第59-60页
     ·EEMD与CEEMD方法的比较第60-62页
   ·改进的小波阈值降噪方法结合CEEMD的故障特征提取方法应用第62-68页
   ·本章小结第68-69页
5. BP神经网络在滚动轴承故障类型识别上的研究第69-77页
   ·BP神经网络原理简介第69-71页
   ·基于BP神经网络模型的电机滚动轴承故障类型识别网络的建立第71-76页
     ·电机滚动轴承振动信号样本数据的处理第71-72页
     ·振动信号样本数据特征参数选取第72页
     ·BP神经网络的设计第72-73页
     ·BP神经网络的训练与检验第73-76页
   ·本章小结第76-77页
6. 结论与展望第77-78页
参考文献第78-82页
攻读硕士学位期间发表学术论文情况第82-83页
致谢第83-84页
作者简介第84-85页

论文共85页,点击 下载论文
上一篇:66kV直挂SVC相控电抗器过电压抑制的研究
下一篇:三电平逆变器设计