旋转机械故障分析方法与诊断系统研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-14页 |
| 1 绪论 | 第14-21页 |
| ·机械故障研究背景及意义 | 第14-15页 |
| ·国内外研究方法简介 | 第15-19页 |
| ·时域分析方法 | 第16-17页 |
| ·频域分析方法 | 第17页 |
| ·时频分析方法 | 第17-18页 |
| ·智能诊断方法 | 第18-19页 |
| ·主要研究内容 | 第19-21页 |
| 2 故障机理和类型及诊断方法 | 第21-32页 |
| ·故障机理简介 | 第21-24页 |
| ·轴承故障机理 | 第21-22页 |
| ·齿轮故障机理 | 第22-24页 |
| ·故障类型简介 | 第24-26页 |
| ·轴承故障类型 | 第24-25页 |
| ·齿轮故障类型 | 第25-26页 |
| ·振动分析方法简介 | 第26-31页 |
| ·振动信号统计分析法 | 第26-28页 |
| ·振动信号频域分析法 | 第28-29页 |
| ·振动信号时频域分析法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 3 基于神经网络的轴承故障诊断 | 第32-48页 |
| ·轴承实验台简介 | 第32-33页 |
| ·轴承振动信号特征值提取 | 第33-36页 |
| ·时域统计特征值 | 第33-34页 |
| ·特征值结果展示 | 第34-36页 |
| ·神经网络理论 | 第36-40页 |
| ·BP神经网络理论 | 第37-38页 |
| ·BP神经网络模型 | 第38-39页 |
| ·BP神经网络学习函数 | 第39页 |
| ·BP神经网络参数设置 | 第39-40页 |
| ·轴承故障诊断系统研究 | 第40-47页 |
| ·诊断系统总体设计 | 第40-42页 |
| ·数据分析子模块 | 第42-43页 |
| ·智能诊断子模块 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 4 基于改进LMD算法的轴承故障研究 | 第48-68页 |
| ·传统LMD算法简介 | 第48-50页 |
| ·传统LMD算法仿真结果 | 第50-53页 |
| ·未加噪声信号的LMD分解 | 第50-51页 |
| ·加噪信号的LMD分解 | 第51-53页 |
| ·消噪方法介绍和LMD仿真结果 | 第53-63页 |
| ·普通带通滤波方法 | 第53-55页 |
| ·小波去噪方法 | 第55-60页 |
| ·提升小波的去噪方法 | 第60-63页 |
| ·改进的LMD算法 | 第63-67页 |
| ·改进LMD算法的仿真结果 | 第64-65页 |
| ·改进LMD算法的实验结果 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 5 减速机故障在线诊断系统设计 | 第68-82页 |
| ·系统硬件设计 | 第68-72页 |
| ·试验台搭建 | 第68-70页 |
| ·硬件构成与连接 | 第70-72页 |
| ·系统软件设计 | 第72-79页 |
| ·数据采集模块 | 第74-75页 |
| ·特征值提取模块 | 第75-77页 |
| ·智能诊断 | 第77-79页 |
| ·系统诊断结果 | 第79-81页 |
| ·数据采集结果 | 第79-80页 |
| ·智能检测结果 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 6 总结与展望 | 第82-84页 |
| ·总结 | 第82页 |
| ·展望 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 附录A 7 种工态下的特征值 | 第89-92页 |
| 作者简介 | 第92页 |
