大型精密树脂灌注机关键技术研究
| 1 绪论 | 第1-9页 |
| 1．1 课题背景 | 第7-8页 |
| 1．2 本课题的研究内容 | 第8-9页 |
| 2 影响计量泵精度与耐磨性因素的研究 | 第9-20页 |
| 2．1 计量泵精度与耐磨性能影响因素分析 | 第9-13页 |
| 2．1．1 锥形配合的泄漏与对中力 | 第9-12页 |
| 2．1．2 影响因素的理论分析 | 第12-13页 |
| 2．2 影响因素的实验研究 | 第13-18页 |
| 2．2．1 计量泵接触表面磨损的类型 | 第13-15页 |
| 2．2．2 计量精度与磨损实验 | 第15-18页 |
| 2．3 本章小结 | 第18-20页 |
| 3 新型电磁截止阀的优化设计 | 第20-35页 |
| 3．1 新型电磁截止阀的原理与结构 | 第20-25页 |
| 3．1．1 截止阀的发展和新型电磁截止阀的结构 | 第20-22页 |
| 3．1．2 新型截止阀的静态分析 | 第22-23页 |
| 3．1．3 新型截止阀的动态分析 | 第23-25页 |
| 3．2 基于遗传算法的多目标优化 | 第25-33页 |
| 3．2．1 遗传算法应用于优化问题概述 | 第26-30页 |
| 3．2．2 优化模型的建立与运算 | 第30-33页 |
| 3．3 本章小结 | 第33-35页 |
| 4 灌注机故障自诊断系统 | 第35-60页 |
| 4．1 常见故障分析 | 第35-40页 |
| 4．1．1 固化不良 | 第37-38页 |
| 4．1．2 总量超差 | 第38页 |
| 4．1．3 脱泡不良 | 第38-39页 |
| 4．1．4 三舱灌注隧道故障 | 第39-40页 |
| 4．2 故障分类研究 | 第40-43页 |
| 4．2．1 按产生机理分类 | 第41-43页 |
| 4．2．2 按表现形式分类 | 第43页 |
| 4．3 人工神经网络应用于故障诊断概述 | 第43-48页 |
| 4．3．1 人工神经网络的优点 | 第43-44页 |
| 4．3．2 神经网络的分类 | 第44-45页 |
| 4．3．3 神经网络的结构和映射函数 | 第45-48页 |
| 4．4 灌注系统故障识别网络 | 第48-58页 |
| 4．4．1 征兆信号的选取 | 第48-49页 |
| 4．4．2 特征量的提取 | 第49-52页 |
| 4．4．3 BP网络性能分析及结构的确定 | 第52-53页 |
| 4．4．4 网络的训练 | 第53-58页 |
| 4．5 故障自诊断系统的构成 | 第58-59页 |
| 4．6 本章小结 | 第59-60页 |
| 5 结论 | 第60-61页 |
| 附录1： | 第61-62页 |
| 附录2： | 第62-64页 |
| 攻读硕士学位期间发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献： | 第66-67页 |
