基于神经元网络的抽油机变速箱故障研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景、目的和意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-12页 |
| 1.3 信号处理方法 | 第12-14页 |
| 1.3.1 时域分析法 | 第12页 |
| 1.3.2 频域分析法 | 第12-13页 |
| 1.3.3 小波变换 | 第13页 |
| 1.3.4 希尔伯特黄变换 | 第13页 |
| 1.3.5 神经元网络 | 第13-14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 第二章 变速箱故障类型及产生故障的原因 | 第15-22页 |
| 2.0 变速箱故障分类 | 第15页 |
| 2.1 变速箱的齿轮故障 | 第15-16页 |
| 2.2 齿轮振动信号 | 第16-18页 |
| 2.3 振动信号的调制 | 第18-19页 |
| 2.4 轴承振动原理 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 振动信号的时频分析及特征提取 | 第22-31页 |
| 3.1 时域分析 | 第22-23页 |
| 3.2 频域分析 | 第23-25页 |
| 3.2.1 功率谱 | 第23-24页 |
| 3.2.2 解调谱 | 第24-25页 |
| 3.3 神经元网络 | 第25-26页 |
| 3.4 振动信号的特征波形 | 第26-30页 |
| 3.4.1 正常运转信号 | 第26页 |
| 3.4.2 齿轮磨损 | 第26-27页 |
| 3.4.3 齿轮断齿故障 | 第27-28页 |
| 3.4.4 轴承故障常信号 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于小波分解和小波包分解的特征信号提取 | 第31-38页 |
| 4.1 傅里叶变换和快速傅里叶变换 | 第31-32页 |
| 4.2 小波变换 | 第32-35页 |
| 4.2.1 连续小波变换和离散小波变换 | 第32-33页 |
| 4.2.2 小波包分析 | 第33-35页 |
| 4.3 基于小波包的振动故障特征提取 | 第35-36页 |
| 4.4 小波包分解的优点 | 第36-38页 |
| 第五章 神经元网络在振动故障诊断上的应用 | 第38-47页 |
| 5.1 BP神经元网络及其改进方式 | 第38-42页 |
| 5.2 实验验证 | 第42-45页 |
| 5.3 结论 | 第45-46页 |
| 5.4 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
