摘要 | 第1-4页 |
ABSTRACT | 第4-7页 |
第一章 综述 | 第7-15页 |
·应用背景及研究方向 | 第7-8页 |
·数控机床结构及其特点 | 第8-9页 |
·数控机床的故障描述 | 第9页 |
·数控系统自诊断功能的介绍 | 第9-10页 |
·数控机床故障诊断与预报系统 | 第10-11页 |
·传统数控机床故障诊断方法 | 第10页 |
·数控机床故障诊断与预报系统概念的提出 | 第10-11页 |
·数控机床故障信号的分析方法 | 第11-12页 |
·自适应滤波在除噪中的应用 | 第12页 |
·Laplace小波相关滤波法在提取故障特征中的应用 | 第12-13页 |
·本文内容和结构 | 第13-14页 |
·小结 | 第14-15页 |
第二章 数控机床故障诊断及预报系统初步设计 | 第15-24页 |
·系统的初步设计及其功能 | 第15-16页 |
·系统硬件结构的初步设计方案 | 第16-19页 |
·系统软件功能的初步设计方案 | 第19-20页 |
·使用的关键技术 | 第20-22页 |
·小波技术 | 第20页 |
·神经网络技术 | 第20-21页 |
·自适应滤波在除噪中的应用 | 第21页 |
·信息融合技术 | 第21页 |
·本文使用技术 | 第21-22页 |
·系统特点 | 第22页 |
·小结 | 第22-24页 |
第三章 数控机床机械部件故障的分类 | 第24-29页 |
·数控机床机械部件的故障分析 | 第24-25页 |
·数控机床机械故障分类新方法的提出 | 第25-28页 |
·小结 | 第28-29页 |
第四章 齿轮和轴承故障模型的建立 | 第29-45页 |
·齿轮的故障分析 | 第29-33页 |
·数控机床用齿轮特点 | 第29页 |
·齿轮的故障机理分析 | 第29-30页 |
·齿轮的振动机理 | 第30-33页 |
·齿轮的故障诊断技术 | 第33页 |
·滚动轴承的故障分析 | 第33-43页 |
·数控机床上滚动轴承的特点 | 第33-34页 |
·滚动轴承的故障形式 | 第34-35页 |
·滚动轴承的振动机理 | 第35页 |
·滚动轴承的故障特征 | 第35-37页 |
·轴承元件表面剥落的力学理论模型 | 第37-42页 |
·轴承表面剥落时运动学模型的建立 | 第42-43页 |
·滚动轴承的故障诊断技术 | 第43页 |
·传递路径对振动信号的影响 | 第43-44页 |
·小结 | 第44-45页 |
第五章 故障信号的除噪和特征量的提取 | 第45-66页 |
·Kalman滤波在本系统中的应用 | 第45-49页 |
·本系统使用Kalman滤波法的原因 | 第45-46页 |
·传统Kalman滤波算法 | 第46-48页 |
·系统中使用的Kalman滤波优化算法 | 第48-49页 |
·轴承振动信号的卡尔曼滤波算法设计 | 第49-50页 |
·轴承振动状态模型和观测模型的建立 | 第49-50页 |
·齿轮振动信号的Kalman滤波算法设计 | 第50-52页 |
·齿轮信号状态模型和观测模型的建立 | 第50-52页 |
·Kalman滤波算法的仿真验证 | 第52-57页 |
·Kalman滤波的仿真验证 | 第52-54页 |
·轴承振动信号的Kalman滤波算法仿真 | 第54-55页 |
·齿轮振动信号的Kalman滤波算法仿真 | 第55-57页 |
·Laplace小波及相关滤波法在系统中的应用 | 第57-60页 |
·Laplace小波的定义和特性及其使用原因 | 第57-58页 |
·Laplace小波相关滤波算法介绍 | 第58-59页 |
·齿轮和轴承的Laplace小波相关滤波算法设计 | 第59-60页 |
·故障特征量的提取 | 第60页 |
·Laplace小波的仿真 | 第60-64页 |
·Laplace小波算法的实现 | 第60-62页 |
·用于齿轮或轴承信号处理的Laplace小波算法的仿真验证 | 第62-64页 |
·小结 | 第64-66页 |
第六章 实验 | 第66-76页 |
·实验设备及实验步骤 | 第66页 |
·实验数据分析 | 第66-74页 |
·齿轮振动实验数据及其分析 | 第68-71页 |
·轴承振动实验数据及其分析 | 第71-74页 |
·实验结论 | 第74-75页 |
·小结 | 第75-76页 |
第七章 结论 | 第76-78页 |
参考文献 | 第78-81页 |
致谢 | 第81-82页 |
攻读工程硕士期间主要的研究成果 | 第82页 |