摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第1章 绪论 | 第13-20页 |
·课题来源和应用背景 | 第13-14页 |
·国内外故障诊断研究现状和发展趋势 | 第14-18页 |
·机械故障诊断的概述和发展概况 | 第14-16页 |
·故障诊断的国内外研究现状 | 第16页 |
·故障诊断技术研究方向及其发展趋势 | 第16-18页 |
·信息融合技术在故障诊断中的应用 | 第18页 |
·论文的研究意义和主要内容 | 第18-20页 |
·论文的研究意义 | 第18-19页 |
·论文的主要内容 | 第19-20页 |
第2章 乳化器故障分析及故障诊断系统构建 | 第20-34页 |
·乳化炸药连续化生产工艺简介 | 第20页 |
·乳化炸药生产工艺各环节介绍 | 第20-23页 |
·原料配置环节 | 第21页 |
·连续乳化环节 | 第21-22页 |
·冷却环节 | 第22-23页 |
·敏化环节 | 第23页 |
·SRF200-2WS 乳化器 | 第23-24页 |
·乳化器的故障机理及特征 | 第24-32页 |
·滚动轴承故障机理及特征 | 第25-28页 |
·转子摩擦故障 | 第28页 |
·转子不平衡故障 | 第28-29页 |
·转子不对中故障 | 第29-31页 |
·生产工艺引起的乳化器故障 | 第31-32页 |
·乳化器故障诊断的复杂与困难 | 第32页 |
·基于信息融合技术的乳化器故障诊断系统结构设计 | 第32-33页 |
·本章小结 | 第33-34页 |
第3章 乳化器故障诊断中信息融合方法的研究 | 第34-55页 |
·信息融合技术的概述 | 第34-36页 |
·信息融合的来源 | 第34页 |
·信息融合的定义 | 第34页 |
·信息融合的结构 | 第34-36页 |
·信息融合的特点 | 第36页 |
·信息融合的算法介绍及选择 | 第36-38页 |
·信息融合算法简介 | 第36-37页 |
·信息融合算法的选择 | 第37-38页 |
·D-S 证据理论概念及实现流程 | 第38-41页 |
·D-S 证据理论基本概念 | 第38-39页 |
·D-S 证据理论的实现流程 | 第39-41页 |
·人工神经网络概述 | 第41-44页 |
·人工神经网络简介 | 第41-42页 |
·人工神经元模型 | 第42-43页 |
·人工神经网络的特点 | 第43-44页 |
·BP 神经网络的模型及原理 | 第44-49页 |
·BP 神经网络的结构 | 第44-45页 |
·BP 神经网络训练算法原理及学习过程 | 第45-47页 |
·BP 神经网络设计 | 第47-49页 |
·BP 神经网络不足与改进 | 第49页 |
·基于 BP 神经网络的 D-S 证据理论的诊断实例 | 第49-54页 |
·数据预处理过程 | 第50页 |
·BP 神经网络设计与仿真 | 第50-53页 |
·D-S 证据理论信息融合及结果分析 | 第53-54页 |
·本章小结 | 第54-55页 |
第4章 乳化器故障诊断系统的硬件设计 | 第55-62页 |
·系统的硬件结构设计 | 第55-56页 |
·系统硬件结构及其基本工作原理 | 第55页 |
·系统硬件设计的基本原则 | 第55-56页 |
·传感器 | 第56-57页 |
·信号调理器 | 第57-58页 |
·A/D 转换模块 | 第58-59页 |
·处理器 PLC | 第59页 |
·组态监控及融合诊断系统的硬件平台 | 第59-60页 |
·硬件设计中的安全防护措施 | 第60页 |
·本章小结 | 第60-62页 |
第5章 乳化器故障诊断系统的软件设计 | 第62-74页 |
·系统的软件结构 | 第62页 |
·系统的软件开发环境 | 第62-63页 |
·软件开发的工具 | 第62-63页 |
·软件开发的运行环境 | 第63页 |
·乳化器故障诊断系统的软件实现 | 第63-72页 |
·故障诊断系统的软件工作原理及实现 | 第63-64页 |
·故障诊断系统监控界面及实时数据存储 | 第64-69页 |
·VB 诊断系统对诊断数据的获取 | 第69页 |
·VB 调用 Matlab 进行网络训练 | 第69-70页 |
·故障诊断系统功能介绍 | 第70-72页 |
·仿真测试 | 第72-73页 |
·本章小结 | 第73-74页 |
第6章 结论与展望 | 第74-76页 |
·全文总结 | 第74-75页 |
·研究展望 | 第75-76页 |
致谢 | 第76-77页 |
参考文献 | 第77-80页 |
附录A | 第80-81页 |
附录B | 第81-83页 |