基于仿生模式识别的机械故障诊断方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1. 绪论 | 第8-15页 |
| 1.1 选题的来源及背景意义 | 第8-9页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 课题背景及意义 | 第8-9页 |
| 1.2 旋转机械故障诊断方法研究现状 | 第9-11页 |
| 1.3 不完备信号处理的研究现状 | 第11-13页 |
| 1.4 论文安排和主要工作 | 第13-15页 |
| 2. 故障特征的不完备性分析处理 | 第15-23页 |
| 2.1 回归填补法 | 第16页 |
| 2.2 最大期望(EM)填补法 | 第16-17页 |
| 2.3 多重填补方法 | 第17-18页 |
| 2.4 不完备数据填补实例分析 | 第18-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3. 仿生模式识别的原理及其实现过程 | 第23-37页 |
| 3.1 超香肠神经网络 | 第23-26页 |
| 3.1.1 超香肠神经元网络结构及算法 | 第24-25页 |
| 3.1.2 超香肠神经网络算法检验及结果分析 | 第25-26页 |
| 3.2 双权值神经网络 | 第26-34页 |
| 3.2.1 双权值神经元模型分析 | 第27-28页 |
| 3.2.2 双权值神经网络的网络结构 | 第28-29页 |
| 3.2.3 仿生模式识别的实现过程 | 第29-31页 |
| 3.2.4 结果检验及分析 | 第31-34页 |
| 3.3 网络复杂度比较 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 4. 模拟实验及故障特征分析 | 第37-47页 |
| 4.1 实验系统及参数设置 | 第37-38页 |
| 4.2 常见故障特征分析 | 第38-46页 |
| 4.2.1 转子不平衡 | 第38-39页 |
| 4.2.2 转轴不对中 | 第39-41页 |
| 4.2.3 基础松动 | 第41-42页 |
| 4.2.4 碰磨 | 第42-43页 |
| 4.2.5 转轴裂纹 | 第43-45页 |
| 4.2.6 油膜振荡 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 5. 仿生模式识别在旋转机械故障诊断中的应用 | 第47-54页 |
| 5.1 故障特征集的构造 | 第47-49页 |
| 5.1.1 时域特征提取 | 第47-48页 |
| 5.1.2 归一化处理 | 第48-49页 |
| 5.2 仿生模式识别的应用及结果分析 | 第49-52页 |
| 5.3 不完备信号处理方法的引用 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6. 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 后续工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文 | 第59-60页 |
| 致谢 | 第60-62页 |
