旋转机械故障诊断实验台的研究
摘要 | 第1-5页 |
Abstract | 第5-13页 |
第一章 绪论 | 第13-15页 |
·论文选题的来源、目的和意义 | 第13页 |
·论文的章节安排和主要研究内容 | 第13-14页 |
·论文的难点和创新点 | 第14-15页 |
第二章 旋转机械故障诊断相关方法简介 | 第15-25页 |
·旋转机械故障诊断简介 | 第15-18页 |
·发展历史及现状 | 第15-16页 |
·故障类型、原因及其特征 | 第16-17页 |
·故障检测手段和研究实质 | 第17-18页 |
·旋转机械故障诊断常用方法 | 第18-23页 |
·故障征兆主要提取方法 | 第18-20页 |
·功率谱估计 | 第18页 |
·时频分析 | 第18-19页 |
·其他方法 | 第19-20页 |
·故障诊断推理方法 | 第20-23页 |
·基于控制模型的故障诊断 | 第20页 |
·基于人工智能的故障诊断 | 第20-22页 |
·其他方法 | 第22-23页 |
·本章小结 | 第23-25页 |
第三章 旋转机械故障诊断实验系统的设计与实现方案 | 第25-47页 |
·实验台介绍与搭建 | 第25-34页 |
·实验台模型 | 第25-27页 |
·传感器 | 第27-31页 |
·电涡流位移传感器 | 第28-30页 |
·光敏传感器 | 第30-31页 |
·信号调理模块 | 第31-32页 |
·数据采集卡 | 第32-34页 |
·上位机软件 | 第34页 |
·故障特征提取的方案 | 第34-40页 |
·时域特征提取 | 第34-35页 |
·频域特征提取 | 第35-39页 |
·小波变换的基本原理 | 第36页 |
·小波包分析原理 | 第36-38页 |
·小波包特征提取算法 | 第38-39页 |
·特征评估方法 | 第39-40页 |
·故障诊断推理的方案 | 第40-46页 |
·BP神经网络 | 第40-42页 |
·网络结构 | 第40-41页 |
·学习过程 | 第41-42页 |
·自组织竞争神经网络(SOC网络) | 第42-44页 |
·网络结构 | 第43页 |
·学习过程 | 第43-44页 |
·支持向量机(SVM) | 第44-46页 |
·最优分类 | 第44-45页 |
·非线性问题求解 | 第45-46页 |
·本章小结 | 第46-47页 |
第四章 旋转机械故障诊断实验分析与方法改进 | 第47-73页 |
·故障模拟和数据采集 | 第47-48页 |
·故障模拟 | 第47页 |
·数据采集 | 第47-48页 |
·转子的严重不平衡实验 | 第48-60页 |
·故障特征分析 | 第48-56页 |
·时域特征分析 | 第48-54页 |
·频域特征分析 | 第54页 |
·特征评估分析 | 第54-56页 |
·故障推理分析 | 第56-60页 |
·特征数量分析 | 第56-57页 |
·训练样本数量分析 | 第57-58页 |
·BP网络、SOC网络和SVM比较分析 | 第58-60页 |
·转子的微小不平衡实验 | 第60-68页 |
·故障特征分析 | 第60-67页 |
·特征评估分析 | 第60-61页 |
·时域特征分析 | 第61-65页 |
·频域特征分析 | 第65-67页 |
·故障推理分析 | 第67-68页 |
·故障特征提取方法改进 | 第68-70页 |
·方法改进 | 第68-69页 |
·改进效果 | 第69-70页 |
·本章小结 | 第70-73页 |
第五章 上位机软件与实验教学设计 | 第73-81页 |
·上位机软件 | 第73-78页 |
·软件开发平台介绍 | 第73-76页 |
·虚拟仪器介绍 | 第73-74页 |
·LabView介绍 | 第74-76页 |
·上位机软件功能 | 第76-78页 |
·总体功能 | 第76页 |
·数据采集功能 | 第76-77页 |
·数据分析功能 | 第77-78页 |
·故障诊断功能 | 第78页 |
·实验教学设计 | 第78-79页 |
·本章小结 | 第79-81页 |
第六章 总结与展望 | 第81-83页 |
·总结 | 第81-82页 |
·展望 | 第82-83页 |
参考文献 | 第83-87页 |
致谢 | 第87-89页 |
研究成果及发表的学术论文 | 第89-91页 |
作者与导师简介 | 第91-92页 |
硕士研究生学位论文答辩委员会决议书 | 第92-93页 |