加工中心电主轴故障诊断系统研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 课题来源 | 第12页 |
| 1.2 课题研究的背景及意义 | 第12-15页 |
| 1.3 数控机床故障诊断技术研究现状 | 第15-24页 |
| 1.3.1 国内外数控机床故障诊断技术研究现状 | 第15-17页 |
| 1.3.2 国内外电主轴故障诊断技术研究现状 | 第17-24页 |
| 1.4 本文研究的主要内容 | 第24-25页 |
| 1.5 本章小结 | 第25-26页 |
| 第二章 加工中心电主轴故障特征分析及方法研究 | 第26-40页 |
| 2.1 电主轴结构及其工作原理 | 第26-28页 |
| 2.1.1 电主轴结构 | 第26-27页 |
| 2.1.2 电主轴工作原理 | 第27-28页 |
| 2.2 电主轴故障原因及分析 | 第28-31页 |
| 2.3 滚动轴承故障特征频率 | 第31-32页 |
| 2.4 电主轴轴承故障诊断特征提取 | 第32-38页 |
| 2.4.1 时域特征 | 第32-34页 |
| 2.4.2 频域特征 | 第34-38页 |
| 2.5 故障诊断技术 | 第38-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第三章 加工中心电主轴故障诊断系统总体设计 | 第40-50页 |
| 3.1 软件开发原则 | 第40-41页 |
| 3.2 软件需求分析 | 第41页 |
| 3.3 系统总体设计 | 第41-46页 |
| 3.3.1 软件开发平台 | 第41-43页 |
| 3.3.2 软件总体设计 | 第43-45页 |
| 3.3.3 软件可行性分析 | 第45-46页 |
| 3.4 电主轴故障诊断系统硬件选择 | 第46-48页 |
| 3.4.1 传感器选择 | 第46-47页 |
| 3.4.2 采集卡选择 | 第47页 |
| 3.4.3 工控机选择 | 第47-48页 |
| 3.5 电主轴故障诊断系统测量方法 | 第48-49页 |
| 3.5.1 监测点确定 | 第48-49页 |
| 3.5.2 监测周期确定 | 第49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 加工中心电主轴故障诊断系统功能设计与实现 | 第50-60页 |
| 4.1 数据采集的实现 | 第50-51页 |
| 4.2 数据分析的实现 | 第51-53页 |
| 4.3 数据存储的实现 | 第53-54页 |
| 4.4 软件测试 | 第54-58页 |
| 4.4.1 测试环境 | 第54-55页 |
| 4.4.2 界面测试 | 第55-56页 |
| 4.4.3 功能测试 | 第56-58页 |
| 4.4.4 测试结果分析 | 第58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 基于神经网络的加工中心电主轴轴承故障分析 | 第60-72页 |
| 5.1 BP神经网络诊断 | 第60-62页 |
| 5.1.1 BP神经网络理论 | 第60-61页 |
| 5.1.2 BP神经网络的数学形式 | 第61-62页 |
| 5.2 基于BP的主轴轴承加工故障试验分析 | 第62-67页 |
| 5.2.1 数据采集 | 第62-64页 |
| 5.2.2 故障诊断模型构建 | 第64页 |
| 5.2.3 故障特征参数选取 | 第64-66页 |
| 5.2.4 故障诊断结果分析 | 第66-67页 |
| 5.3 基于LabVIEW的诊断系统实现 | 第67-71页 |
| 5.3.1 数据分析 | 第67-71页 |
| 5.3.2 结果验证 | 第71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-76页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-86页 |
| 附录A:攻读硕士学位期间获奖及参研项目 | 第86页 |
