首页--工业技术论文--化学工业论文--硅酸盐工业论文--水泥工业论文--生产过程与设备论文

基于信息融合的立磨滚动轴承故障诊断方法研究

摘要第4-5页
abstract第5-6页
第1章 绪论第9-20页
    1.1 课题来源第9页
    1.2 课题研究背景、目的及意义第9-10页
    1.3 故障诊断技术国内外研究现状第10-12页
    1.4 信息融合技术第12-17页
        1.4.1 信息融合的原理和定义第12-13页
        1.4.2 信息融合的级别第13-16页
        1.4.3 信息融合技术的国内外研究现状第16-17页
    1.5 本文主要研究内容及架构安排第17-20页
        1.5.1 本文主要研究内容第17-18页
        1.5.2 本文架构安排第18-20页
第2章 基于PSO-BP的特征级故障诊断算法第20-35页
    2.1 BP神经网络第20-24页
        2.1.1 BP神经网络的基本原理第20-22页
        2.1.2 BP神经网络在信息融合故障诊断中的应用第22-23页
        2.1.3 BP神经网络存在的问题第23-24页
    2.2 粒子群算法第24-25页
    2.3 基于PSO优化的BP神经网络第25-27页
    2.4 故障诊断仿真测试及其分析比较第27-34页
        2.4.1 数据预处理与特征提取第27-29页
        2.4.2 基于PSO-BP神经网络的立磨滚动轴承的故障诊断第29-34页
    2.5 本章小结第34-35页
第3章 基于LPMCS的D-S决策级故障诊断算法第35-51页
    3.1 D-S证据理论的基本概念第35-40页
        3.1.1 D-S证据理论的基本原理第35-37页
        3.1.2 D-S证据理论存在的问题第37-38页
        3.1.3 D-S证据理论的改进方法第38-40页
    3.2 新的证据冲突衡量方法第40-43页
    3.3 基于LPMCS的D-S融合规则第43-46页
        3.3.1 证据质量的衡量准则第43-44页
        3.3.2 基于证据质量的LPMCS集合的生成第44-45页
        3.3.3 基于LPMCS集合的D-S融合过程第45-46页
    3.4 实例分析第46-50页
    3.5 本章小结第50-51页
第4章 信息融合技术在立磨滚动轴承故障诊断中的应用第51-61页
    4.1 基于信息融合技术的立磨滚动轴承故障诊断模型第51-52页
    4.2 仿真实例与结果分析第52-57页
        4.2.1 特征级子网诊断第52-54页
        4.2.2 决策级融合诊断第54-57页
    4.3 故障诊断系统设计与实现第57-59页
    4.4 本章小结第59-61页
第5章 总结与展望第61-63页
    5.1 全文工作总结第61-62页
    5.2 未来工作展望第62-63页
致谢第63-64页
参考文献第64-68页
攻读硕士学位期间的科研成果第68页

论文共68页,点击 下载论文
上一篇:腾讯游戏《艾兰岛》首测期市场方案
下一篇:高截止频率GaN基肖特基二极管结构研究