基于模糊神经网络的矿井风机状态监测与故障诊断系统研究
摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 绪论 | 第10-17页 |
·矿井风机选题背景及其研究意义 | 第10-11页 |
·国内外研究现状及发展趋势 | 第11-12页 |
·国内外研究现状 | 第11-12页 |
·故障诊断技术发展趋势 | 第12页 |
·故障诊断技术 | 第12-15页 |
·基于解析模型故障诊断法 | 第13页 |
·基于信号处理故障诊断法 | 第13页 |
·人工智能故障诊断法 | 第13-15页 |
·本课题主要研究的内容 | 第15-16页 |
·本章小结 | 第16-17页 |
第2章 矿井风机故障特征的提取 | 第17-32页 |
·矿井风机概述 | 第17-18页 |
·信号分析方法 | 第18-24页 |
·时域分析 | 第18-20页 |
·频域分析 | 第20-21页 |
·时频域分析—小波分析 | 第21-24页 |
·风机的故障特性分析 | 第24-29页 |
·故障特征的提取 | 第29-31页 |
·特征信号的提取 | 第29-30页 |
·不对中故障信号特征提取与分析 | 第30-31页 |
·本章小结 | 第31-32页 |
第3章 虚拟仪器技术及风机监测系统的硬件选择 | 第32-40页 |
·虚拟仪器概述 | 第32-33页 |
·虚拟仪器的特点 | 第32页 |
·虚拟仪器的组成 | 第32-33页 |
·LabVIEW 开发平台 | 第33-35页 |
·监测系统的硬件选择 | 第35-39页 |
·传感器 | 第35-37页 |
·信号调理装置 | 第37页 |
·数据采集装置 | 第37-38页 |
·工控机 | 第38-39页 |
·本章小结 | 第39-40页 |
第4章 矿井风机模糊神经专家系统的建立 | 第40-54页 |
·基础理论 | 第40-44页 |
·神经网络 | 第40-43页 |
·专家系统 | 第43-44页 |
·模糊神经网络专家系统的技术特点 | 第44-46页 |
·结合的可行性 | 第44-45页 |
·模糊神经专家系统的特点 | 第45-46页 |
·系统的总体设计 | 第46-50页 |
·系统的构成及工作原理 | 第46-47页 |
·系统各模块功能 | 第47页 |
·神经网络的设计 | 第47-49页 |
·模糊处理 | 第49-50页 |
·基于模糊神经网络的知识库的建立 | 第50-53页 |
·知识的获取 | 第51-52页 |
·知识的表示和存储 | 第52页 |
·知识的推理 | 第52-53页 |
·本章小结 | 第53-54页 |
第5章 系统的实现及其在风机故障诊断中的应用 | 第54-70页 |
·系统的软件实现 | 第54-56页 |
·Labview 程序设计 | 第56页 |
·前面板界面设计 | 第56-63页 |
·程序框图设计 | 第58-59页 |
·数据采集模块 | 第59页 |
·数据存储模块 | 第59-61页 |
·数据显示模块 | 第61页 |
·信号的处理 | 第61-62页 |
·信号时域分析 | 第62-63页 |
·专家诊断系统的实现 | 第63-68页 |
·系统开发方案 | 第63-65页 |
·系统模块的实现 | 第65-68页 |
·故障诊断系统实例运行 | 第68-69页 |
·本章小结 | 第69-70页 |
结论与展望 | 第70-71页 |
参考文献 | 第71-74页 |
致谢 | 第74-75页 |
作者简介 | 第75页 |
攻读硕士学位期间发表的论文 | 第75-76页 |