神经网络技术在鞍钢高炉鼓风机状态监测与故障诊断中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·选题的来源及意义 | 第9页 |
| ·风机状态监测与故障诊断的现状与常用诊断方法比较 | 第9-12页 |
| ·神经网络在设备状态监测与故障诊断中的应用 | 第12-14页 |
| ·主要研究内容 | 第14-15页 |
| 第2章 特征量的提取与常见故障分析 | 第15-27页 |
| ·风机振动信号的采集 | 第15-19页 |
| ·信号预处理和信号采集 | 第15-16页 |
| ·信号采集 | 第16页 |
| ·系统参数的确定 | 第16-19页 |
| ·信号的处理 | 第19-24页 |
| ·常见故障的振动特征及分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 BP神经网络及其改进算法 | 第27-47页 |
| ·引言 | 第27-30页 |
| ·人工神经网络的基本概念 | 第27-30页 |
| ·人工神经网络的特点及分类 | 第30页 |
| ·BP神经网络 | 第30-37页 |
| ·BP神经网络的模型和学习算法 | 第30-34页 |
| ·BP神经网络的设计 | 第34-36页 |
| ·BP神经网络用于故障诊断 | 第36-37页 |
| ·本文BP神经网络的构建 | 第37-43页 |
| ·BP神经网络的构造与确定 | 第37-38页 |
| ·输出结果的再处理 | 第38-39页 |
| ·BP神经网络算法的改进 | 第39-40页 |
| ·BP神经网络的训练与诊断 | 第40-43页 |
| ·BP神经网络的集成 | 第43-46页 |
| ·本章小节 | 第46-47页 |
| 第4章 高炉鼓风机的故障诊断实例 | 第47-61页 |
| ·高炉鼓风机状态监测系统的硬件构成 | 第47-56页 |
| ·鼓风机简介 | 第47-48页 |
| ·检测系统硬件结构 | 第48-49页 |
| ·测点的数量的选取与布置 | 第49-50页 |
| ·传感器安装位置的选择 | 第50-53页 |
| ·高炉鼓风机的检测点布置及检测硬件的选择 | 第53-56页 |
| ·特征量提取 | 第56-57页 |
| ·应用神经网络的故障诊断的实例 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 结论与展望 | 第61-63页 |
| 附录 | 第63-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |
