基于神经网络的感应电机故障诊断研究
| 中文摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 1 绪论 | 第10-18页 |
| ·研究目的和意义 | 第10-11页 |
| ·电动机故障诊断技术研究现状和存在的问题 | 第11-14页 |
| ·电动机故障诊断技术研究现状 | 第11-14页 |
| ·电动机故障诊断技术存在的问题 | 第14页 |
| ·人工神经网络简介 | 第14-16页 |
| ·人工神经网络的发展 | 第14-16页 |
| ·人工神经网络的应用 | 第16页 |
| ·本文的工作 | 第16-17页 |
| ·论文约定 | 第17-18页 |
| 2 感应电动机常见故障机理分析研究 | 第18-28页 |
| ·感应电动机常见故障类型 | 第18-19页 |
| ·感应电动机常见故障机理 | 第19-27页 |
| ·感应电动机定子故障机理 | 第19-20页 |
| ·感应电动机转子故障机理 | 第20-23页 |
| ·感应电动机轴承故障机理 | 第23-26页 |
| ·感应电动机气隙偏心故障机理 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 故障信号采集与分析 | 第28-37页 |
| ·引言 | 第28页 |
| ·故障信号采集 | 第28-31页 |
| ·传感器的选择 | 第28-30页 |
| ·测点的命名规定 | 第30-31页 |
| ·信号处理与特征提取 | 第31-36页 |
| ·傅里叶变换 | 第31-35页 |
| ·基于离散傅里叶变换的故障特征提取 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于RBF 神经网络的电动机故障诊断 | 第37-45页 |
| ·引言 | 第37页 |
| ·RBF 神经网络 | 第37-41页 |
| ·RBF 网络模型 | 第37-39页 |
| ·RBF 网络工作原理 | 第39-40页 |
| ·RBF 网络的学习算法 | 第40-41页 |
| ·故障诊断实例 | 第41-44页 |
| ·RBF 网络结构 | 第41-42页 |
| ·RBF 网络训练 | 第42-44页 |
| ·结果分析 | 第44页 |
| ·本章小结 | 第44-45页 |
| 5 基于递归神经网络的电机故障诊断研究 | 第45-50页 |
| ·引言 | 第45页 |
| ·带有偏差单元的递归神经网络 | 第45-47页 |
| ·网络结构 | 第45-46页 |
| ·网络工作原理 | 第46-47页 |
| ·网络学习过程 | 第47页 |
| ·故障诊断实例 | 第47-49页 |
| ·故障样本选取 | 第47-48页 |
| ·RNN 的建立 | 第48页 |
| ·RNN 训练结果 | 第48-49页 |
| ·结果分析 | 第49页 |
| ·本章小结 | 第49-50页 |
| 6 故障诊断试验研究 | 第50-61页 |
| ·试验系统硬件组成 | 第50页 |
| ·试验系统软件组成 | 第50-51页 |
| ·试验方案 | 第51-52页 |
| ·信号采集与处理 | 第52-58页 |
| ·正常状态电机振动信号采集 | 第52-55页 |
| ·空载时转子质量不平衡故障信号采集 | 第55-56页 |
| ·转子断条故障数据采集 | 第56-58页 |
| ·故障数据处理 | 第58页 |
| ·试验结果分析 | 第58-60页 |
| ·质量不平衡故障试验结果分析 | 第58-59页 |
| ·转子断条故障试验结果分析 | 第59-60页 |
| ·试验结论 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |
