首页--工业技术论文--机械、仪表工业论文--机械运行与维修论文

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

论文共78页,点击 下载论文
上一篇:叉车冲击作用下钢货架抗连续倒塌性能研究
下一篇:基于润滑剂供给调节的弹流油膜实验研究