破碎机械故障智能诊断系统的开发
中文摘要 | 第4-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第10-15页 |
1.1 课题研究的目的、背景和意义 | 第10-11页 |
1.2 国内外故障诊断的研究现状 | 第11-12页 |
1.2.1 国外破碎机械的故障诊断研究现状 | 第11页 |
1.2.2 国内破碎机械的故障诊断研究现状 | 第11-12页 |
1.3 关键技术 | 第12-13页 |
1.4 本文主要章节内容与结构 | 第13-15页 |
第2章 信号采集、分析与神经网络 | 第15-31页 |
2.1 破碎机械的系统 | 第15-19页 |
2.1.1 振动系统 | 第15-16页 |
2.1.2 振动相关参数 | 第16-18页 |
2.1.3 转子系统模型 | 第18-19页 |
2.2 信号采集及故障检测 | 第19-21页 |
2.2.1 信号分类及采样定理 | 第19-20页 |
2.2.2 信号检测和采集 | 第20-21页 |
2.3 信号的分析及其数据图 | 第21-26页 |
2.3.1 幅值分析 | 第21-22页 |
2.3.2 时域分析 | 第22-23页 |
2.3.3 频域分析 | 第23-24页 |
2.3.4 信号数据图 | 第24-26页 |
2.4 基于神经网络的故障诊断 | 第26-30页 |
2.4.1 智能诊断理论 | 第26-27页 |
2.4.2 神经网络构成 | 第27-28页 |
2.4.3 bp神经网络 | 第28-30页 |
2.5 本章小结 | 第30-31页 |
第3章 破碎机械故障的特征分析及算法 | 第31-50页 |
3.1 破碎机械的结构和主要参数 | 第31-32页 |
3.1.1 破碎机械的结构 | 第31-32页 |
3.1.2 破碎机械的主要参数 | 第32页 |
3.2 破碎机械常见故障类别及其故障特征 | 第32-37页 |
3.2.1 不平衡的故障特征 | 第33-34页 |
3.2.2 不对中的故障特征 | 第34-35页 |
3.2.3 转轴裂纹的故障特征 | 第35-36页 |
3.2.4 配合过盈不足的故障特征 | 第36-37页 |
3.2.5 支承松动的故障特征 | 第37页 |
3.3 信号检测及特征分析 | 第37-43页 |
3.3.1 信号的采集和预处理 | 第38-40页 |
3.3.2 信号的幅值分析 | 第40-41页 |
3.3.3 信号的时域分析 | 第41-42页 |
3.3.4 信号的频域分析 | 第42-43页 |
3.4 改进算法及神经网络的学习流程 | 第43-49页 |
3.4.1 bp神经网络的改进算法 | 第43-46页 |
3.4.2 改进学习过程流程图和步骤 | 第46-49页 |
3.5 本章小结 | 第49-50页 |
第4章 破碎机械智能诊断系统及测试 | 第50-70页 |
4.1 系统的总体设计和诊断过程 | 第50-52页 |
4.1.1 总体设计 | 第50-51页 |
4.1.2 诊断过程 | 第51-52页 |
4.2 转子试验台及采集系统 | 第52-59页 |
4.2.1 转子试验台 | 第52-55页 |
4.2.2 硬件选择及布置 | 第55-58页 |
4.2.3 采集方案 | 第58-59页 |
4.3 智能诊断系统 | 第59-64页 |
4.3.1 神经网络模型 | 第59-61页 |
4.3.2 神经网络训练 | 第61-64页 |
4.4 系统测试 | 第64-68页 |
4.5 本章小结 | 第68-70页 |
结论与展望 | 第70-71页 |
参考文献 | 第71-77页 |
致谢 | 第77-78页 |
攻读学位期间发表论文 | 第78页 |