基于小波变换和GA的旋转机械故障诊断研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·旋转机械故障诊断的意义 | 第8页 |
| ·旋转机械故障诊断技术的国内外研究现状 | 第8-10页 |
| ·旋转机械故障诊断技术的国外研究现状 | 第9-10页 |
| ·旋转机械故障诊断技术的国内研究现状 | 第10页 |
| ·旋转机械故障诊断研究的主要内容 | 第10-15页 |
| ·信号处理及故障特征提取方法的研究 | 第10-12页 |
| ·诊断推理方法研究 | 第12-15页 |
| ·论文研究的内容和技术路线 | 第15-16页 |
| 2 旋转机械故障诊断系统实验设计 | 第16-29页 |
| ·旋转机械常见故障机理简介 | 第16-17页 |
| ·旋转机械故障诊断系统 | 第17-27页 |
| ·旋转机械故障实验机械平台 | 第17-20页 |
| ·数据采集系统 | 第20-25页 |
| ·实验设计 | 第25-27页 |
| ·旋转机械故障信号采集 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 小波变换对信号去噪 | 第29-40页 |
| ·引言 | 第29页 |
| ·小波理论简介 | 第29-32页 |
| ·连续小波变换 | 第29-30页 |
| ·离散小波变换 | 第30-31页 |
| ·多分辨率分析 | 第31-32页 |
| ·小波消噪 | 第32-35页 |
| ·小波基的选择 | 第33页 |
| ·阈值的选取 | 第33-34页 |
| ·阈值处理 | 第34-35页 |
| ·小波去噪实验分析 | 第35-38页 |
| ·小结 | 第38-40页 |
| 4 提取时域和频域中的特征参数 | 第40-48页 |
| ·引言 | 第40页 |
| ·故障诊断中传统常用特征参数提取 | 第40-42页 |
| ·时域特征提取 | 第40-41页 |
| ·频域特征提取 | 第41-42页 |
| ·特征参数灵敏度 | 第42-45页 |
| ·正态分布 | 第42-43页 |
| ·特征参数灵敏度 | 第43-45页 |
| ·实验结果分析 | 第45-47页 |
| ·对实验数据分布情况的假设检验 | 第45页 |
| ·特征参数识别率的计算分析 | 第45-47页 |
| ·小结 | 第47-48页 |
| 5 遗传算法提取特征参数及故障诊断 | 第48-59页 |
| ·引言 | 第48页 |
| ·问题的提出 | 第48-49页 |
| ·遗传算法理论 | 第49-52页 |
| ·遗传算法概述 | 第49-51页 |
| ·遗传算法的基本流程 | 第51-52页 |
| ·基于遗传算法特征参数的提取 | 第52-55页 |
| ·初始特征参数 | 第52-53页 |
| ·特征参数的树形表达 | 第53页 |
| ·遗传算法操作 | 第53-55页 |
| ·实验分析 | 第55-58页 |
| ·遗传算法提取特征参数实验 | 第55-56页 |
| ·基于BP 神经网络的故障诊断实验 | 第56-58页 |
| ·小结 | 第58-59页 |
| 6 结论与展望 | 第59-61页 |
| ·结论 | 第59页 |
| ·未来工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65页 |
