首页--工业技术论文--金属学与金属工艺论文--金属切削加工及机床论文--铣削加工及铣床论文--程序控制铣床和数控铣床论文

大型轮槽铣床的在线监测与预警的研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-17页
    1.1 课题的研究背景第9-11页
        1.1.1 课题的来源第9页
        1.1.2 研究的目的第9页
        1.1.3 研究的意义第9-11页
    1.2 国内外相关技术的研究现状第11-16页
        1.2.1 信号检出的研究现状第11-12页
        1.2.2 信号处理技术的研究现状第12-14页
        1.2.3 状态识别技术的研究现状第14-15页
        1.2.4 备状态监测的国内外研究成果第15-16页
    1.3 本文的主要研究内容第16-17页
第2章 总体的研究方案第17-28页
    2.1 大型轮槽铣床故障的分析第17-19页
        2.1.1 转子分度不同步的故障第17页
        2.1.2 轮槽铣床立柱侧滑的故障第17-18页
        2.1.3 铣刀“打刀”的故障第18-19页
    2.2 故障解决方案第19-25页
        2.2.1 转子分度不同步的解决方案第19-20页
        2.2.2 轮槽铣床立柱侧滑的解决方案第20-21页
        2.2.3 铣刀“打刀”的解决方案第21-25页
    2.3 系统的总体结构第25-27页
        2.3.1 系统的总体构成第25-26页
        2.3.2 系统的体系结构第26-27页
    2.4 本章小结第27-28页
第3章 在线监测与预警技术的研究第28-46页
    3.1 信号处理技术的研究第28-36页
        3.1.1 信号的滤波技术第28-29页
        3.1.2 信号的时域分析第29-30页
        3.1.3 信号的频域分析第30-31页
        3.1.4 信号的小波分析第31-36页
    3.2 数据融合技术的研究第36-44页
        3.2.1 数据融合的类型和方法第36-37页
        3.2.2 神经网络数据融合技术第37-44页
    3.3 数据的存储第44-45页
        3.3.1 数据的存储方法第44页
        3.3.2 ZIP 数据压缩算法第44-45页
    3.4 本章小结第45-46页
第4章 轮槽铣床的故障特征与识别技术的研究第46-56页
    4.1 轮槽铣床的故障信号类型第46页
    4.2 轮槽铣床的故障特征分析第46-50页
        4.2.1 电流和温度信号的特征分析第46-48页
        4.2.2 振动信号的特征分析第48-50页
    4.3 轮槽铣床故障识别技术的研究第50-55页
        4.3.1 BP 人工神经网络的应用研究第50-53页
        4.3.2 RBF 径向基神经网络的应用研究第53-54页
        4.3.3 两种识别算法的应用比较第54-55页
    4.4 本章小结第55-56页
第5章 系统的实现第56-69页
    5.1 硬件部分的实现第56-60页
        5.1.1 传感器的选择第56-58页
        5.1.2 数据采集卡及端子板的选择第58-59页
        5.1.3 硬件的安装和调试第59-60页
    5.2 软件部分的开发实现第60-68页
        5.2.1 转子分度监测与预警系统的实现第61页
        5.2.2 铣刀磨损监测与预警系统的实现第61-68页
    5.3 本章小结第68-69页
结论第69-70页
参考文献第70-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:基于实测应变数据的复合材料加筋板工作行为分析
下一篇:探井压裂后高效排液及计量技术研究