| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景与意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 振动监测故障诊断的研究现状 | 第13-17页 |
| 1.2.1 振动监测技术的研究现状 | 第13-15页 |
| 1.2.2 故障技术的研究现状 | 第15-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 第2章 风电轴承故障信息及振动机理诊断研究 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 轴承故障的主要失效形式 | 第18-19页 |
| 2.3 轴承的特征频率 | 第19-21页 |
| 2.4 轴承的故障机理 | 第21-26页 |
| 2.4.1 轴承的故障径向振动模型 | 第21-22页 |
| 2.4.2 轴承的故障频率 | 第22-24页 |
| 2.4.3 滚动轴承的振动诊断 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 风电轴承故障特征参数的提取 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 阶次分析技术 | 第27-31页 |
| 3.2.1 阶比跟踪 | 第27-29页 |
| 3.2.2 阶次重采样 | 第29-31页 |
| 3.3 无转速瞬时频率估计 | 第31-33页 |
| 3.3.1 瞬时频率估计 | 第31-32页 |
| 3.3.2 瞬时频率的估计方法 | 第32-33页 |
| 3.4 阶次分析仿真验证 | 第33-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 BP神经网络在轴承故障诊断中的应用 | 第41-58页 |
| 4.1 引言 | 第41-43页 |
| 4.2 BP神经网络故障诊断 | 第43-45页 |
| 4.2.1 BP网络结构 | 第43-44页 |
| 4.2.2 BP网络算法 | 第44-45页 |
| 4.3 改进的BP网络算法 | 第45-48页 |
| 4.4 滚动轴承故障诊断模型与仿真 | 第48-53页 |
| 4.4.1 BP神经网络参数的设定 | 第48-49页 |
| 4.4.2 BP神经网络仿真 | 第49-53页 |
| 4.5 轴承故障诊断系统开发 | 第53-57页 |
| 4.5.1 LabVIEW软件开发环境 | 第53页 |
| 4.5.2 LabVIEW与MATLAB混合编程技术 | 第53-54页 |
| 4.5.3 LabVIEW故障诊断系统开发 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 滚动轴承故障诊断实验平台的建立 | 第58-63页 |
| 5.1 引言 | 第58页 |
| 5.2 滚动轴承振动实验系统 | 第58-62页 |
| 5.2.1 滚动轴承模拟实验台 | 第58-59页 |
| 5.2.2 数据信号采集分析系统 | 第59-62页 |
| 5.3 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-74页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
| 致谢 | 第75页 |