基于BP神经网络的炼钢转炉轴承故障诊断系统
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·概述 | 第9-10页 |
| ·滚动轴承故障诊断的意义 | 第9页 |
| ·滚动轴承故障诊断的基本环节 | 第9-10页 |
| ·滚动轴承故障诊断方法 | 第10-11页 |
| ·滚动轴承振动监测与诊断技术发展概况 | 第11-13页 |
| ·神经网络理论在故障诊断中的应用 | 第13页 |
| ·本文的研究内容 | 第13-14页 |
| 2 滚动轴承的失效形式和振动机理分析 | 第14-23页 |
| ·滚动轴承的典型结构 | 第14-15页 |
| ·滚动轴承失效的基本形式 | 第15-16页 |
| ·滚动轴承主要失效形式和原因 | 第15-16页 |
| ·炼钢转炉传动机构主要失效形式 | 第16页 |
| ·滚动轴承故障的振动机理分析 | 第16-22页 |
| ·滚动轴承正常时的振动 | 第17-18页 |
| ·滚动轴承故障时的振动 | 第18-20页 |
| ·滚动轴承的固有频率和特征频率 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 神经网络理论分析 | 第23-32页 |
| ·人工神经网络概论 | 第23-27页 |
| ·人工神经元模型 | 第23-24页 |
| ·人工神经元传递函数 | 第24-27页 |
| ·BP 神经网络理论 | 第27-30页 |
| ·BP 神经网络模型 | 第27-28页 |
| ·BP 神经网络的学习算法方式及其流程图 | 第28-30页 |
| ·BP 神经网络故障诊断理论 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 诊断系统硬件组成 | 第32-45页 |
| ·系统组成简介 | 第32-33页 |
| ·加速度传感器系统 | 第33-35页 |
| ·压电加速度传感器原理 | 第33-34页 |
| ·加速度传感器的选取 | 第34-35页 |
| ·信号调理仪和信号电缆的选取 | 第35页 |
| ·电涡流传感器系统 | 第35-38页 |
| ·电涡流传感器原理 | 第35-36页 |
| ·电涡流传感器系统的选取 | 第36-38页 |
| ·数据采集系统 | 第38-41页 |
| ·数据采集卡 | 第38-39页 |
| ·数据采集卡驱动程序 | 第39-41页 |
| ·接线端子板和电缆 | 第41页 |
| ·网络传输设备 | 第41-42页 |
| ·光纤及光纤收发器 | 第41-42页 |
| ·网卡 | 第42页 |
| ·设备的现场布置及安装 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 5 诊断系统软件设计 | 第45-65页 |
| ·LabVIEW 简介 | 第45-47页 |
| ·数据预处理 | 第47-48页 |
| ·各态历经性 | 第47页 |
| ·时域和频域分析 | 第47-48页 |
| ·BP 神经网络诊断系统中各参数的确定 | 第48-50页 |
| ·输入层节点数的确定 | 第48-49页 |
| ·输出层节点数的确定 | 第49页 |
| ·隐含层数和隐含层节点数的确定 | 第49页 |
| ·学习方式的确定 | 第49页 |
| ·神经元传递函数的选择 | 第49页 |
| ·学习率的确定 | 第49-50页 |
| ·初始权重的确定 | 第50页 |
| ·轴承故障诊断系统的结果 | 第50-57页 |
| ·时域和频域学习样本训练结果及分析 | 第51-54页 |
| ·时域和频域新样本验证结果及分析 | 第54-57页 |
| ·软件功能 | 第57-63页 |
| ·数据采集 | 第57-59页 |
| ·数据传输 | 第59-60页 |
| ·数据处理和分析 | 第60-63页 |
| ·本章小结 | 第63-65页 |
| 6 结论 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70-76页 |
