| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题来源与研究意义 | 第15-16页 |
| 1.2 故障诊断概述 | 第16-18页 |
| 1.3 国内外研究现状 | 第18-21页 |
| 1.4 本课题的研究内容 | 第21-22页 |
| 第二章 JH39-800 机械压力机故障树分析 | 第22-36页 |
| 2.1 JH39-800 机械压力机介绍 | 第22-28页 |
| 2.1.1 JH39-800 机械压力机主要功能 | 第22-23页 |
| 2.1.2 JH39-800 机械压力机主要部件 | 第23-25页 |
| 2.1.3 JH39-800 机械压力机主要故障 | 第25-26页 |
| 2.1.4 润滑系统引起的JH39-800 机械压力机常见故障 | 第26-28页 |
| 2.2 故障树分析 | 第28-35页 |
| 2.2.1 故障树分析法概述 | 第28页 |
| 2.2.2 建立JH39-800 机械压力机故障树 | 第28-30页 |
| 2.2.3 润滑系统故障树的定性分析与定量分析 | 第30-32页 |
| 2.2.4 基于故障树反演定性评价JH39-800 机械压力机润滑系统故障模式 | 第32-33页 |
| 2.2.5 基于故障树反演计算JH39-800 机械压力机失效概率 | 第33-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第三章 润滑系统BP神经网络故障诊断 | 第36-46页 |
| 3.1 BP神经网络在故障诊断中的应用 | 第36-37页 |
| 3.1.1 BP神经网络概述 | 第36-37页 |
| 3.1.2 BP神经网络在故障诊断中的应用 | 第37页 |
| 3.2 BP神经网络对于润滑系统的诊断过程 | 第37-43页 |
| 3.2.1 确定润滑系统信号采集点和检测故障模式 | 第37-38页 |
| 3.2.2 确定BP神经网络的训练样本 | 第38-39页 |
| 3.2.3 确定BP神经网络的结构 | 第39-40页 |
| 3.2.4 神经网络训练与MATLAB仿真 | 第40-43页 |
| 3.3 基于故障树反演的诊断方法 | 第43-44页 |
| 3.3.1 基于故障树反演计算多种故障的发生概率 | 第43-44页 |
| 3.3.2 故障树反演方法的用途及意义 | 第44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于数据库的故障诊断专家系统 | 第46-58页 |
| 4.1 故障诊断专家系统 | 第46-47页 |
| 4.1.1 基于神经网络的专家系统 | 第46页 |
| 4.1.2 专家系统对于故障诊断的重要性 | 第46-47页 |
| 4.2 数据库系统的建立 | 第47-53页 |
| 4.2.1 数据库对于故障诊断的重要性 | 第47-48页 |
| 4.2.2 故障诊断的数据库系统 | 第48-53页 |
| 4.3 基于BECKHOFF平台的诊断系统的实现 | 第53-57页 |
| 4.3.1 BECKHOFF控制系统介绍 | 第53-54页 |
| 4.3.2 数据库系统与TWINCAT2的结合 | 第54页 |
| 4.3.3 基于TWINCAT2的故障诊断专家系统 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 基于BECKHOFF数控系统故障诊断实验 | 第58-75页 |
| 5.1 BECKHOFF数控系统对于故障诊断的可行性 | 第58页 |
| 5.2 实验方案设计 | 第58-73页 |
| 5.2.1 检测装置的确定 | 第58-60页 |
| 5.2.2 BECKHOFF模块选取以及接线方式 | 第60-66页 |
| 5.2.3 实验流程及结果 | 第66-73页 |
| 5.3 实验结果分析 | 第73-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 本文工作总结 | 第75页 |
| 6.2 论文的不足与展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第81-82页 |
