基于声发射的滚动轴承智能故障诊断方法研究
| 学位论文数据集 | 第1-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-22页 |
| ·课题背景及意义 | 第14-15页 |
| ·旋转机械监测和声发射检测技术的发展与现状 | 第15-16页 |
| ·滚动轴承常见故障类型及主流诊断技术 | 第16-17页 |
| ·论文主要内容以及创新点 | 第17-19页 |
| ·论文的结构安排 | 第19-22页 |
| 第二章 声发射检测物理基础 | 第22-26页 |
| ·声发射数据的采集 | 第22-23页 |
| ·源定位方法 | 第23-25页 |
| ·单冲击源定位 | 第23-24页 |
| ·多冲击源定位 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 信号预处理及特征信息提取 | 第26-54页 |
| ·信号预处理 | 第26-35页 |
| ·EMD | 第26-29页 |
| ·小波分析 | 第29-35页 |
| ·时域特征参数 | 第35-43页 |
| ·常见的时域特征参数 | 第35-37页 |
| ·特征参数序列 | 第37-40页 |
| ·近似熵 | 第40-43页 |
| ·频域分析 | 第43-51页 |
| ·包络谱分析 | 第44-48页 |
| ·HHT边际谱 | 第48-51页 |
| ·方法比较及适用范围 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 基于改进粒子群优化的神经网络的模式识别 | 第54-66页 |
| ·BP算法 | 第54-55页 |
| ·粒子群算法 | 第55-57页 |
| ·粒子群改进算法 | 第57-59页 |
| ·仿真验证分析 | 第59-62页 |
| ·滚动轴承故障实验验证 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 故障趋势预测 | 第66-80页 |
| ·基于遗传算法的趋势预测 | 第66-70页 |
| ·遗传算法 | 第66-68页 |
| ·基于遗传算法的回归分析 | 第68-69页 |
| ·预测起始范围确定和数据加权 | 第69-70页 |
| ·实验验证分析 | 第70-78页 |
| ·实验条件 | 第70-72页 |
| ·特征参数选择 | 第72页 |
| ·实验验证 | 第72-78页 |
| ·本章小结 | 第78-80页 |
| 第六章 结论 | 第80-82页 |
| ·研究成果分析 | 第80页 |
| ·后续应当开展的工作 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 研究成果及发表的学术论文 | 第88-90页 |
| 作者和导师简介 | 第90-91页 |
| 附录 | 第91-92页 |
