首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于神经网络动态特性正向设计的齿轮箱振动噪声控制研究

中文摘要第3-5页
英文摘要第5-7页
1 绪论第11-19页
    1.1 课题来源、研究背景及意义第11-12页
        1.1.1 课题来源第11页
        1.1.2 课题研究背景及意义第11-12页
    1.2 齿轮箱振动控制研究现状第12-17页
        1.2.1 齿轮箱振动噪声控制国内外研究现状第12-15页
        1.2.3 结构动态特性设计研究现状第15-17页
        1.2.4 研究现状总结第17页
    1.3 论文主要内容与结构第17-19页
2 齿轮箱参数化建模第19-37页
    2.0 引言第19页
    2.1 齿轮箱参数化结构尺寸设计第19-22页
    2.2 齿轮啮合耦合关系有限元等效建模第22-29页
        2.2.1 外啮合齿轮啮合刚度计算第22-25页
        2.2.2 齿轮啮合关系等效建模第25-29页
    2.3 齿轮箱有限元模型建立第29-34页
        2.3.1 齿轮箱有限元模型基本参数第29-31页
        2.3.2 齿轮箱各部件参数化建模第31-34页
    2.4 本章小结第34-37页
3 基于动态特性设计的齿轮箱振动噪声控制研究第37-53页
    3.1 引言第37页
    3.2 齿轮箱模态分析第37-42页
        3.2.1 模态分析理论第37-39页
        3.2.2 设计前齿轮箱模态分析结果第39-42页
    3.3 齿轮箱共振及振动噪声控制研究第42-47页
        3.3.1 单自由度系统在简谐激励下的振动响应第42-44页
        3.3.2 共振品质因子与带宽第44-45页
        3.3.3 齿轮箱噪声共振第45-47页
    3.4 齿轮箱固有频率设计第47-52页
        3.4.1 齿轮箱半功率带宽频率计算第47-50页
        3.4.2 齿轮箱固有频率设计第50-52页
    3.5 本章小结第52-53页
4 基于粒子群BP神经网络的齿轮箱动态特性设计方法第53-77页
    4.1 引言第53页
    4.2 齿轮箱固有频率与结构参数样本自动采集第53-59页
        4.2.1 结构参数取值区间定义与样本采集第53-56页
        4.2.2 固有频率样本采集第56-59页
    4.3 BP神经网络及粒子群优化算法第59-64页
        4.3.1 前向BP神经网络模型结构第59-60页
        4.3.2 BP神经网络的实现第60-62页
        4.3.3 粒子群优化BP神经网络第62-64页
    4.4 基于粒子群BP神经网络的齿轮箱动态特性设计第64-69页
        4.4.1 网络结构设计第64-65页
        4.4.2 网络训练结果第65-68页
        4.4.3 神经网络输出齿轮箱结构参数第68-69页
    4.5 神经网络动态特性设计结果验证第69-75页
    4.6 本章小结第75-77页
5 齿轮箱设计前后振动噪声性能对比第77-91页
    5.1 引言第77页
    5.2 设计前后齿轮箱谐响应分析对比第77-84页
        5.2.1 齿轮箱谐响应分析方法第77页
        5.2.2 设计前齿轮箱谐响应分析第77-79页
        5.2.3 设计后齿轮箱谐响应分析第79-80页
        5.2.4 谐响应结果分析对比第80-84页
    5.3 设计前后齿轮箱辐射噪声分析对比第84-90页
        5.3.1 齿轮箱噪声分析方法第84-87页
        5.3.2 设计前后齿轮箱辐射噪声结果分析对比第87-90页
    5.4 本章小结第90-91页
6 总结与展望第91-93页
    6.1 研究总结第91-92页
    6.2 研究展望第92-93页
致谢第93-95页
参考文献第95-99页
附录第99页
    A.作者在攻读学位期间发表的论文目录第99页
    B.作者在攻读硕士学位期间参加的科研项目第99页

论文共99页,点击 下载论文
上一篇:基于深度信念网络的机械加工车间能耗预测及支持系统研究
下一篇:数控机床故障信息分析管理平台研究