首页--工业技术论文--矿业工程论文--矿山机械论文--矿山固定机械设备论文--矿山通风设备论文

矿井通风机状态监测的畸变信号识别与分析

摘要第5-6页
Abstract第6页
第1章 绪论第10-20页
    1.1 选题背景及研究意义第10-12页
        1.1.1 选题背景第10-11页
        1.1.2 故障诊断的意义第11-12页
    1.2 国内外研究现状及发展趋势第12-15页
        1.2.1 矿井通风系统方面的发展第12页
        1.2.2 状态监测与故障诊断的发展第12-13页
        1.2.3 时间序列数据挖掘(TSDM)方法的发展第13-14页
        1.2.4 小波分析提取技术的发展第14-15页
    1.3 本课题主要内容及技术路线第15-18页
        1.3.1 主要内容第15-16页
        1.3.2 技术路线图第16-18页
    1.4 本章小结第18-20页
第2章 矿井通风机系统的故障诊断形式与特点分析第20-32页
    2.1 引言第20-26页
        2.1.2 通风机系统概述第20-21页
        2.1.3 通风机监测系统第21-22页
        2.1.4 通风机的分类及特点第22-25页
        2.1.5 传感器的选型及布局第25-26页
    2.2 通风机的故障特点分析第26-29页
        2.2.1 通风机的故障原因第26页
        2.2.2 转子的故障类型第26-27页
        2.2.3 转轴的故障类型第27-28页
        2.2.4 其他的故障类型第28-29页
    2.3 通风机故障诊断方法第29-31页
        2.3.1 基于解析模型的故障诊断第29-30页
        2.3.2 基于人工智能的故障诊断第30页
        2.3.3 基于信号处理的故障诊断第30-31页
    2.4 本章小结第31-32页
第3章 基于时间序列的故障预测第32-46页
    3.1 引言第32-33页
    3.2 时间序列模型第33-34页
    3.3 时间序列建模流程第34-40页
        3.3.1 时间序列建模流程图第34-35页
        3.3.2 时间序列的模型识别第35-36页
        3.3.3 时间序列的参数估计第36-38页
        3.3.4 时间序列的误差分析第38-39页
        3.3.5 自回归滑动平均模型(ARMA)模型的预测实例第39-40页
    3.4 时间序列对风机信号的处理第40-44页
        3.4.1 时间序列的畸变信号第40-42页
        3.4.2 时间序列的畸变信号第42-44页
    3.5 报警系统第44-45页
    3.6 本章小结第45-46页
第4章 基于小波分析的故障诊断方法第46-68页
    4.1 引言第46-47页
    4.2 小波分析的数学理论第47-56页
        4.2.1 小波函数第47-53页
        4.2.2 连续小波变换第53-55页
        4.2.3 离散小波变换第55-56页
    4.3 多分辨率分析第56-57页
    4.4 小波包分析第57-59页
    4.5 小波包去燥第59-62页
        4.5.1 小波包去噪原理第59-61页
        4.5.2 阈值处理方法第61-62页
        4.5.3 小波包去噪过程第62页
    4.6 小波包特征提取及仿真信号分析第62-65页
    4.7 本章小结第65-68页
第5章 矿井通风机故障诊断实例第68-74页
    5.1 引言第68页
    5.2 轴流式通风机现况第68页
    5.3 时间序列故障预警第68-70页
    5.4 小波包故障诊断分析第70-73页
        5.4.1 AIC9900故障诊断系统第70-72页
        5.4.2 数据分析第72-73页
        5.4.3 诊断结果第73页
    5.5 本章小结第73-74页
结论与展望第74-76页
致谢第76-78页
参考文献第78-82页
作者简介第82页
攻读硕士学位期间发表的论文和科研成果第82-83页
    发表的论文第82页
    参与的论文第82页
    科研成果第82-83页

论文共83页,点击 下载论文
上一篇:基于地理核心素养的初高中地理课堂教学衔接研究
下一篇:基于行为特征和分形降维的股价趋势预测方法研究