基于蚁群神经网络的齿轮监测与诊断技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景 | 第8页 |
| ·胶印机滚筒传动齿轮对印品质量的影响 | 第8-9页 |
| ·胶印机齿轮监测及故障诊断的研究现状 | 第9-10页 |
| ·课题的研究意义及内容 | 第10-12页 |
| ·研究意义 | 第10页 |
| ·研究内容 | 第10-12页 |
| 2 齿轮故障失效形式和信号特征 | 第12-20页 |
| ·齿轮常见的失效形式及产生的原因 | 第12-13页 |
| ·齿轮系统的振动机理剖析 | 第13-15页 |
| ·齿轮的基本振动分析 | 第14页 |
| ·齿轮系统振动的数学模型 | 第14-15页 |
| ·齿轮系统的振动特征 | 第15-19页 |
| ·轴的转动频率及其各次谐波 | 第16页 |
| ·啮合频率及其各次谐波 | 第16-17页 |
| ·调制现象及边频带 | 第17-18页 |
| ·隐含成分 | 第18页 |
| ·附加冲击 | 第18-19页 |
| ·交叉调制成分 | 第19页 |
| ·几种典型的齿轮信号特征 | 第19页 |
| ·正常齿轮的频域特征 | 第19页 |
| ·断齿的主要特征 | 第19页 |
| ·轮局部异常引起的振动 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 齿轮振动信号的时域和频域分析 | 第20-28页 |
| ·时域分析 | 第20-25页 |
| ·时域统计分析 | 第20-23页 |
| ·概率密度分析法 | 第23-24页 |
| ·自相关分析 | 第24-25页 |
| ·频域分析 | 第25-27页 |
| ·功率谱分析 | 第26-27页 |
| ·倒频谱分析 | 第27页 |
| ·本章小结 | 第27-28页 |
| 4 齿轮故障诊断的蚁群神经网络模型 | 第28-42页 |
| ·神经网络 | 第28-30页 |
| ·人工神经网络 | 第28-29页 |
| ·BP神经网络 | 第29-30页 |
| ·神经网络故障诊断系统应用分析 | 第30-35页 |
| ·输入、输出层节点数的确定 | 第31页 |
| ·网络结构及其参数的选择 | 第31-32页 |
| ·网络的训练和检验 | 第32-35页 |
| ·蚁群算法 | 第35-36页 |
| ·BP神经网络和蚁群算法结合 | 第36-41页 |
| ·蚁群算法优化神经网络模型建立 | 第36-38页 |
| ·应用ACOBP系统进行故障识别 | 第38-41页 |
| ·ACOBP和BP在齿轮故障识别中的比较 | 第41页 |
| ·本章小结 | 第41-42页 |
| 5 齿轮故障诊断系统的软件设计 | 第42-48页 |
| ·LABVIEW和MATLAB简介 | 第42页 |
| ·软件界面及功能设计 | 第42-47页 |
| ·在线数据采集显示功能 | 第43-44页 |
| ·信号分析功能 | 第44-46页 |
| ·诊断辨识功能 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 6 齿轮故障诊断实验设计 | 第48-54页 |
| ·实验系统的组成 | 第48-49页 |
| ·实验数据分析 | 第49-52页 |
| ·本章小结 | 第52-54页 |
| 7 总结与展望 | 第54-56页 |
| ·工作总结 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录1 | 第60-61页 |
| 附录2 | 第61页 |
