基于BP神经网络的机车走行部滚动轴承的故障诊断研究
| 致谢 | 第1-5页 |
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 1 引言 | 第10-16页 |
| ·课题的提出及其意义 | 第10-12页 |
| ·课题的提出 | 第10-11页 |
| ·课题的意义 | 第11-12页 |
| ·机车滚动轴承的故障诊断方法 | 第12-13页 |
| ·机车走行部滚动轴承研究现状 | 第13-15页 |
| ·机车走行部检测装置 | 第13-14页 |
| ·滚动轴承诊断方法 | 第14-15页 |
| ·本文的主要内容 | 第15-16页 |
| 2 机车走行部滚动轴承故障机理 | 第16-24页 |
| ·机车走行部 | 第16-17页 |
| ·机车轴箱滚动轴承规定以及各类故障比例 | 第16-17页 |
| ·走行部滚动轴承的故障分类及故障机理 | 第17-19页 |
| ·机车走行部滚动轴承故障分类 | 第17-18页 |
| ·机车走行部滚动轴承故障产生机理 | 第18-19页 |
| ·走行部滚动轴承诊断基本环节 | 第19页 |
| ·走行部滚动轴承诊断性能指标 | 第19-20页 |
| ·走行部滚动轴承的振动诊断方法 | 第20-21页 |
| ·滚动轴承振动信号采集设备 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 3 BP神经网络及改进算法 | 第24-34页 |
| ·人工神经网络概论 | 第24-26页 |
| ·神经元 | 第24-25页 |
| ·激活函数 | 第25页 |
| ·人工神经网络结构 | 第25-26页 |
| ·人工神经网络学习过程 | 第26页 |
| ·BP神经网络 | 第26-32页 |
| ·BP神经网络学习算法 | 第26-29页 |
| ·改进的BP神经网络 | 第29-32页 |
| ·本章小结 | 第32-34页 |
| 4 滚动轴承故障特征参数提取及BP神经网络训练 | 第34-64页 |
| ·时域故障特征参数提取 | 第34-40页 |
| ·时域参数指标 | 第34-37页 |
| ·时域故障特征参数提取 | 第37-40页 |
| ·基于小波包的故障特征参数提取 | 第40-57页 |
| ·共振解调去噪 | 第41-43页 |
| ·小波包变换理论 | 第43-48页 |
| ·基于小波包故障特征值的提取 | 第48-57页 |
| ·BP神经网络的训练 | 第57-61页 |
| ·神经网络参数设定 | 第57-59页 |
| ·不同输入的训练结果分析 | 第59-61页 |
| ·改变网络参数后的输出 | 第61页 |
| ·本章小结 | 第61-64页 |
| 5 遗传算法在走行部轴承故障诊断中的应用 | 第64-76页 |
| ·遗传算法基本原理 | 第64-70页 |
| ·遗传算法的基本概念 | 第64页 |
| ·遗传算法的实现 | 第64-66页 |
| ·遗传算法的特点 | 第66页 |
| ·遗传算法的设计 | 第66-70页 |
| ·基于遗传算法的优化小波包分解和神经网络 | 第70-72页 |
| ·优化设计过程 | 第70-71页 |
| ·运行结果分析 | 第71-72页 |
| ·遗传算法优化前后的BP神经网络研究对比 | 第72-73页 |
| ·机车走行部滚动轴承的诊断工具箱 | 第73-74页 |
| ·本章小结 | 第74-76页 |
| 6 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 作者简历 | 第82-86页 |
| 学位论文数据集 | 第86页 |
