| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题来源、研究背景及意义 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 研究背景及意义 | 第9-10页 |
| 1.2 转子轴承系统油膜失稳问题的研究现状 | 第10-12页 |
| 1.3 模糊积分的研究现状 | 第12-13页 |
| 1.4 论文安排与主要工作 | 第13-15页 |
| 2 单跨双转盘转子-轴承系统非线性动力学分析 | 第15-38页 |
| 2.1 系统动力学方程的建立 | 第16-20页 |
| 2.2 系统仿真参数的确定 | 第20页 |
| 2.3 非线性动力学特性分析 | 第20-37页 |
| 2.3.1 图形的含义 | 第21-23页 |
| 2.3.2 微分方程的求解 | 第23-25页 |
| 2.3.3 油膜失稳过程分析 | 第25-37页 |
| 2.4 本章小结 | 第37-38页 |
| 3 转子轴承系统实验设计与分析 | 第38-52页 |
| 3.1 机械故障模拟平台介绍 | 第38-41页 |
| 3.1.1 硬件部分 | 第38-39页 |
| 3.1.2 振动分析软件VibraQuest | 第39-40页 |
| 3.1.3 传感器的选择 | 第40-41页 |
| 3.2 油膜失稳实验设计 | 第41-42页 |
| 3.2.1 实验条件 | 第41页 |
| 3.2.2 实验设定 | 第41-42页 |
| 3.3 油膜失稳实验结果分析 | 第42-47页 |
| 3.3.1 偏心比ρ_(1,2)=0状态 | 第42-43页 |
| 3.3.2 偏心比ρ_1=0.2842,ρ_2 =0状态 | 第43-45页 |
| 3.3.3 偏心比ρ_1=0.3603,ρ_2-0状态 | 第45-47页 |
| 3.4 故障仿真实验设计与分析 | 第47-51页 |
| 3.4.1 转子正常转动实验 | 第47-48页 |
| 3.4.2 不对中实验 | 第48-49页 |
| 3.4.3 动静件碰磨实验 | 第49-50页 |
| 3.4.4 不对中不平衡实验 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 4 BP-FI识别算法 | 第52-66页 |
| 4.1 BP神经网络 | 第52-55页 |
| 4.1.1 神经元的模型 | 第52-53页 |
| 4.1.2 BP神经网络的构建 | 第53页 |
| 4.1.3 BP神经网络的算法 | 第53-55页 |
| 4.2 模糊积分 | 第55-57页 |
| 4.2.1 模糊积分的概念 | 第55-57页 |
| 4.2.2 Sugeno模糊积分 | 第57页 |
| 4.3 BP-FI模型 | 第57-65页 |
| 4.3.1 BP-FI模型实现 | 第57-59页 |
| 4.3.2 BP-FI模型用于iris数据集 | 第59-62页 |
| 4.3.3 BP-FI模型用于wine数据集 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 5 BP-FI模型在转子系统故障诊断中的应用 | 第66-78页 |
| 5.1 转子系统故障诊断的过程 | 第66页 |
| 5.2 特征提取 | 第66-70页 |
| 5.2.1 图像不变矩法 | 第66-68页 |
| 5.2.2 轴心轨迹的不变矩特征提取 | 第68-69页 |
| 5.2.3 特征数据的归一化处理 | 第69-70页 |
| 5.3 BP-FI模型应用于油膜失稳故障的诊断 | 第70-75页 |
| 5.3.1 BP神经网络模型的建立 | 第70-71页 |
| 5.3.2 BP神经网络的训练与测试 | 第71-72页 |
| 5.3.3 Sugeno模糊积分数据融合 | 第72-75页 |
| 5.4 BP-FI模型应用于转子系统故障的诊断 | 第75-77页 |
| 5.5 本章小结 | 第77-78页 |
| 6 总结与展望 | 第78-81页 |
| 6.1 总结 | 第78页 |
| 6.2 展望 | 第78-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间发表的论文 | 第84-85页 |
| 致谢 | 第85-88页 |