首页--工业技术论文--机械、仪表工业论文--机械零件及传动装置论文--转动机件论文--轴承论文

基于经验模态分解的轴承故障诊断系统研究

摘要第4-5页
ABSTRACT第5-6页
创新点摘要第7-11页
第一章 绪论第11-16页
    1.1 课题研究的背景和意义第11页
    1.2 滚动轴承故障诊断的发展现状第11-13页
        1.2.1 旋转机械振动信号去噪的研究现状第12页
        1.2.2 故障诊断特征提取的研究现状第12页
        1.2.3 故障模式识别的研究现状第12-13页
    1.3 滚动轴承失效形式第13-14页
        1.3.1 滚动轴承的基本结构第13页
        1.3.2 滚动轴承的失效形式第13-14页
    1.4 旋转机械故障模拟试验平台QPPZ-II第14-15页
    1.5 本文研究内容及章节安排第15-16页
第二章 基于经验模态分解的小波熵阈值去噪第16-23页
    2.1 EMD基本原理第16-17页
        2.1.1 EMD分解与重构第16-17页
        2.1.2 EMD阈值去噪算法第17页
    2.2 基于EMD的小波熵阈值去噪方法第17-19页
        2.2.1 改进的基本思想第17-18页
        2.2.2 小波熵的计算方法第18页
        2.2.3 阈值的计算第18-19页
        2.2.4 阈值函数的选取第19页
    2.3 基于EMD的小波熵阈值去噪算法步骤第19页
    2.4 仿真与实验第19-22页
        2.4.1 仿真信号去噪效果对比第19-21页
        2.4.2 滚动轴承信号去噪第21-22页
    2.5 本章小结第22-23页
第三章 基于EMD多尺度熵均偏值的滚动轴承特征提取第23-31页
    3.1 样本熵的定义及算法第23-24页
        3.1.1 样本熵第23页
        3.1.2 参数选择第23-24页
    3.2 多尺度熵及多尺度熵均偏值的定义及算法第24-25页
        3.2.1 多尺度熵第24-25页
        3.2.2 多尺度熵均偏值算法描述第25页
    3.3 基于EMD多尺度熵均偏值的滚动轴承特征提取步骤第25-26页
    3.4 实际轴承信号的特征提取研究第26-27页
    3.5 基于BP神经网络的实验效果验证第27-30页
        3.5.1 BP网络结构第27-28页
        3.5.2 BP神经网络故障诊断模型建立第28-29页
        3.5.3 实际信号的时域特征参数值在BP神经网络的分类验证第29-30页
        3.5.4 实际信号的PMME值在BP神经网络的分类验证第30页
    3.6 本章小结第30-31页
第四章 混沌思维进化算法优化BP神经网络的故障诊断分类第31-44页
    4.1 BP网络训练过程第31-32页
    4.2 思维进化算法第32-35页
        4.2.1 思维进化算法的基本原理第33-34页
        4.2.2 混沌思维进化算法第34-35页
        4.2.3 混沌思维进化算法流程第35页
    4.3 混沌思维进化算法的BP神经网络参数优化第35-37页
        4.3.1 混沌思维进化算法第35-36页
        4.3.2 改进思维进化算法对BP神经网络的参数优化第36-37页
    4.4 算法性能测试实验第37-41页
        4.4.1 测试函数的选择第37-39页
        4.4.2 测试结果分析第39-41页
    4.5 基于混沌思维进化算法的BP神经网络故障诊断第41-43页
    4.6 本章小结第43-44页
第五章 滚动轴承故障诊断系统设计与开发第44-51页
    5.1 开发平台软件简介第44页
    5.2 系统总体方案设计第44-45页
    5.3 故障诊断系统各模块研制第45-50页
        5.3.1 欢迎界面的设计第45-46页
        5.3.2 采集信号的回放模块设计第46页
        5.3.3 时域特征参数提取模块的设计第46-47页
        5.3.4 频域特征分析模块的设计第47-48页
        5.3.5 EMD小波熵阈值去噪模块的设计第48-49页
        5.3.6 基于Hilbert的共振解调特征分析模块的设计第49页
        5.3.7 EMD多尺度熵均偏值特征提取模块的设计第49-50页
        5.3.8 混沌思维进化算法优化BP神经网络故障分类模块的设计第50页
    5.4 本章小结第50-51页
结论第51-52页
参考文献第52-55页
发表文章目录第55-56页
致谢第56-57页

论文共57页,点击 下载论文
上一篇:YC-1永磁耦合调速器调速性能研究
下一篇:自增强处理对厚壁筒裂纹扩展的影响研究