首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--一般性问题论文--设计、性能分析与综合论文

信息融合技术在乳化器故障诊断中的应用

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

论文共83页,点击 下载论文
上一篇:基于Cotrex-M3的软PLC技术的研究
下一篇:基于贝叶斯网络和本体的态势估计方法