基于BP神经网络的滚动轴承故障诊断方法
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·滚动轴承故障诊断的意义 | 第8页 |
| ·滚动轴承故障诊断的基本内容及方法 | 第8-9页 |
| ·国内外研究的概况及发展趋势 | 第9-10页 |
| ·神经网络在故障诊断中的应用 | 第10-11页 |
| ·论文主要研究内容 | 第11-13页 |
| ·课题背景 | 第11页 |
| ·论文主要内容 | 第11-13页 |
| 2 滚动轴承故障机理与特征 | 第13-24页 |
| ·滚动轴承故障机理 | 第13-14页 |
| ·滚动轴承故障特征分析 | 第14-17页 |
| ·滚动轴承表面损伤故障诊断模型 | 第17-24页 |
| 3 人工神经网络理论 | 第24-36页 |
| ·人工神经网络概论 | 第24-29页 |
| ·人工神经元模型 | 第24-25页 |
| ·激活转移函数简介 | 第25-27页 |
| ·人工神经网络结构 | 第27-28页 |
| ·人工神经网络的学习 | 第28-29页 |
| ·BP神经网络 | 第29-36页 |
| ·BP网络的学习算法 | 第30-33页 |
| ·BP网络的局限性 | 第33-36页 |
| 4 滚动轴承故障特征参数选取 | 第36-42页 |
| ·获取轴承振动数据的实验系统 | 第36-37页 |
| ·特征参数的选取 | 第37-42页 |
| ·故障特征参数选取的原则 | 第37-38页 |
| ·时域特征参数的选取 | 第38-40页 |
| ·频域特征参数的选取 | 第40-42页 |
| 5 滚动轴承故障诊断模型的构建与仿真 | 第42-52页 |
| ·故障诊断模型建立 | 第42-44页 |
| ·各层节点数确定 | 第42-43页 |
| ·初始权值的选择 | 第43-44页 |
| ·期望误差和学习率选取 | 第44页 |
| ·轴承故障诊断的仿真研究 | 第44-52页 |
| ·样本的选取 | 第44-45页 |
| ·数据的处理 | 第45-46页 |
| ·网络的训练 | 第46-47页 |
| ·网络的测试 | 第47-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
