制造设备智能诊断与状态预测技术的研究
摘要 | 第1-5页 |
ABSTRACT | 第5-10页 |
第一章 绪论 | 第10-19页 |
·课题来源及其意义 | 第10-11页 |
·课题来源 | 第10页 |
·课题意义 | 第10-11页 |
·机械故障诊断技术的国内外研究概况 | 第11-14页 |
·国外研究概况 | 第11-12页 |
·国内研究概况 | 第12-14页 |
·人工智能在机械故障诊断与预测维修技术中的应用 | 第14-16页 |
·机械故障诊断与预测维修技术概述 | 第14-15页 |
·人工智能在机械故障诊断与预测维修技术中的应用 | 第15-16页 |
·机械制造设备故障诊断与预测维修技术的特点 | 第16-17页 |
·本课题主要研究内容 | 第17-19页 |
第二章 故障诊断的神经网络模式识别方法研究 | 第19-41页 |
·引言 | 第19-20页 |
·BP 网络诊断模型 | 第20-26页 |
·多层感知器 | 第20-21页 |
·BP 学习算法 | 第21-23页 |
·BP 网络诊断模型 | 第23-26页 |
·函数型连接网络及其诊断模型的建立 | 第26-31页 |
·函数展开模型 | 第27页 |
·张量模型 | 第27-28页 |
·与BP 网络的比较 | 第28-29页 |
·函数型连接网络诊断模型的建立 | 第29-31页 |
·模糊神经网络诊断模型研究 | 第31-35页 |
·概述 | 第31-32页 |
·输入模式的模糊化表示 | 第32-34页 |
·输出模式的模糊化表示 | 第34-35页 |
·一种新的函数型连接网络展开模型 | 第35-40页 |
·模糊展开模型的提出 | 第35-36页 |
·模糊展开模型诊断实例 | 第36-40页 |
本章小结 | 第40-41页 |
第三章 小波分析及其在故障诊断中的应用研究 | 第41-49页 |
·小波分析基本理论 | 第41-45页 |
·窗口傅里叶变换 | 第41-42页 |
·小波变换及其离散算法 | 第42-44页 |
·小波包算法 | 第44-45页 |
·小波和小波包分析在故障诊断中的应用 | 第45-48页 |
·小波分析用于信号的低频分量分析 | 第45-47页 |
·小波包特征提取技术 | 第47-48页 |
本章小结 | 第48-49页 |
第四章 状态监测与预测技术研究 | 第49-66页 |
·监测参数的选择 | 第49-50页 |
·设备状态评定标准与故障报警门限 | 第50-52页 |
·设备状态评定标准 | 第50-51页 |
·设备故障报警门限的确定 | 第51-52页 |
·状态预测技术研究 | 第52-65页 |
·预测方法概述 | 第53页 |
·灰色预测研究 | 第53-58页 |
·神经网络预测研究 | 第58-60页 |
·预测模型实用性检验 | 第60-62页 |
·不等间隔时间序列预测方法研究 | 第62-65页 |
本章小结 | 第65-66页 |
第五章 《IDPM 智能诊断与预测维修系统》开发 | 第66-80页 |
·IDPM 系统总体设计 | 第66-67页 |
·IDPM 软件设计 | 第67-71页 |
·总体框架 | 第67页 |
·主要功能模块设计 | 第67-68页 |
·系统的工作流程 | 第68-71页 |
·IDPM 数据库及其实现 | 第71-79页 |
·总体设计 | 第71页 |
·基于对象的IDPM 数据库模型及其实现 | 第71-76页 |
·系统的主要特点 | 第76-79页 |
本章小结 | 第79-80页 |
第六章 IDPM 系统的工程应用 | 第80-94页 |
·51-206A 曲轴主轴颈车床振动监测 | 第80-84页 |
·51-206A 曲轴主轴颈车床简介 | 第80-81页 |
·机床的振动监测及其特点 | 第81-82页 |
·低频信号分析 | 第82-83页 |
·加工过程的影响 | 第83-84页 |
·汽车发动机曲轴主轴颈磨床主轴组件的监测与诊断 | 第84-90页 |
·引言 | 第84页 |
·现场测试分析 | 第84-90页 |
·离心分离机振动监测与维修质量评定 | 第90-93页 |
·机器的结构及测点布置 | 第90-91页 |
·测试与分析 | 第91-93页 |
本章小结 | 第93-94页 |
结论 | 第94-96页 |
参考文献 | 第96-103页 |
攻读博士学位期间发表的论文 | 第103-104页 |
致谢 | 第104页 |