基于小波理论的滚动轴承智能故障诊断方法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·研究背景 | 第8页 |
| ·研究的意义 | 第8-9页 |
| ·故障诊断方法及其发展现状与趋势 | 第9-11页 |
| ·故障诊断方法概述 | 第9页 |
| ·滚动轴承故障诊断技术的发展现状及趋势 | 第9-11页 |
| ·轴承故障诊断的流程 | 第11-12页 |
| ·小波理论和神经网络在故障诊断中的应用 | 第12-13页 |
| ·小波理论在故障诊断中的应用 | 第12-13页 |
| ·神经网络理论在故障诊断中的应用 | 第13页 |
| ·主要的研究内容及论文结构安排 | 第13-15页 |
| 第二章 滚动轴承的振动理论 | 第15-24页 |
| ·滚动轴承的振动机理 | 第15页 |
| ·滚动轴承振动类型分析 | 第15-18页 |
| ·滚动轴承的固有振动 | 第16页 |
| ·滚动轴承发生若干故障时的振动特征 | 第16-18页 |
| ·轴承故障特征频率的计算 | 第18页 |
| ·轴承局部表面损伤类故障理论模型 | 第18-22页 |
| ·外圈上有单一故障 | 第19页 |
| ·内圈上有单一故障 | 第19-20页 |
| ·滚动体上有单一故障 | 第20-22页 |
| ·轴承元件有多个故障 | 第22页 |
| ·滚动轴承时域的统计特征 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 小波分析的理论与应用研究 | 第24-44页 |
| ·傅立叶变换和短时傅立叶变换 | 第24-25页 |
| ·小波变换 | 第25-36页 |
| ·连续小波变换 | 第26-27页 |
| ·离散小波变换 | 第27页 |
| ·多分辨分析和Mallat算法 | 第27-33页 |
| ·小波包算法 | 第33-36页 |
| ·小波变换在轴承故障诊断中的应用及实验研究 | 第36-43页 |
| ·信号去噪 | 第36-40页 |
| ·信号奇异性检测 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 BP神经网络算法的优化研究 | 第44-55页 |
| ·人工神经网络的简介 | 第44-45页 |
| ·BP神经网络的工作原理 | 第45-46页 |
| ·BP算法的不足及其优化算法的研究 | 第46-51页 |
| ·BP算法的不足 | 第46-48页 |
| ·传统的改进算法 | 第48-50页 |
| ·基于优化原理的网络训练算法 | 第50-51页 |
| ·实验研究分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于小波包的滚动轴承优化智能故障诊断 | 第55-64页 |
| ·实验数据来源 | 第55-56页 |
| ·基于小波包的滚动轴承特征提取 | 第56-58页 |
| ·诊断模型的建立及设计 | 第58-59页 |
| ·输入、输出层节点数的确定 | 第58页 |
| ·隐含层层数和隐含层节点数的选择 | 第58-59页 |
| ·仿真实验研究及其结果分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结论与展望 | 第64-66页 |
| ·结论 | 第64页 |
| ·后续工作及展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间的主要成果 | 第72页 |
