基于复信号双边谱与FNN的旋转机械故障诊断方法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 论文选题背景 | 第8-9页 |
| 1.2 国内外研究现状分析和总结 | 第9-14页 |
| 1.2.1 旋转机械故障诊断的发展概述 | 第9-10页 |
| 1.2.2 旋转机械故障特征提取方法研究现状 | 第10-12页 |
| 1.2.3 旋转机械故障模式识别方法研究现状 | 第12-13页 |
| 1.2.4 研究现状的分析和总结 | 第13-14页 |
| 1.3 论文研究的目的与意义 | 第14页 |
| 1.4 研究内容及章节安排 | 第14-16页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 章节安排 | 第15-16页 |
| 1.5 本章小结 | 第16-18页 |
| 2 基于复信号双边谱分析的故障特征提取方法研究 | 第18-38页 |
| 2.1 引言 | 第18页 |
| 2.2 复信号双边谱分析的理论基础 | 第18-22页 |
| 2.2.1 转子动力学模型 | 第18-20页 |
| 2.2.2 负频率与复信号 | 第20-22页 |
| 2.3 基于复信号双边谱分析的故障特征提取方法 | 第22-28页 |
| 2.3.1 复信号双边谱分析的基本原理 | 第22-23页 |
| 2.3.2 基于复信号双边谱分析的方法流程 | 第23-28页 |
| 2.4 故障特征参数的选择 | 第28-32页 |
| 2.4.1 转子的能量估计 | 第28-29页 |
| 2.4.2 构造故障特征参数 | 第29-31页 |
| 2.4.3 故障特征参数的确定 | 第31-32页 |
| 2.5 案例分析 | 第32-37页 |
| 2.6 本章小结 | 第37-38页 |
| 3 基于FNN的旋转机械故障模式识别方法研究 | 第38-56页 |
| 3.1 引言 | 第38页 |
| 3.2 模糊理论与神经网络 | 第38-43页 |
| 3.2.1 模糊理论基础 | 第38-41页 |
| 3.2.2 人工神经网络基础 | 第41-42页 |
| 3.2.3 模糊理论与神经网络的结合方式 | 第42-43页 |
| 3.3 基于FNN的旋转机械故障模式识别方法 | 第43-50页 |
| 3.3.1 网络结构设计 | 第43-45页 |
| 3.3.2 网络学习算法 | 第45-49页 |
| 3.3.3 推理实现过程 | 第49-50页 |
| 3.4 FNN在故障模式识别中的应用分析 | 第50-55页 |
| 3.4.1 FNN的初始化 | 第50-53页 |
| 3.4.2 模糊神经网络的训练 | 第53页 |
| 3.4.3 模糊神经网络的测试 | 第53-55页 |
| 3.5 本章小结 | 第55-56页 |
| 4 旋转机械故障诊断应用试验分析 | 第56-68页 |
| 4.1 引言 | 第56页 |
| 4.2 应用试验方案设计 | 第56-58页 |
| 4.2.1 方案的整体设计 | 第56-57页 |
| 4.2.2 方案的实现流程 | 第57-58页 |
| 4.3 应用试验方案实现 | 第58-61页 |
| 4.3.1 开发环境介绍 | 第58页 |
| 4.3.2 系统的实现 | 第58-61页 |
| 4.4 应用试验 | 第61-67页 |
| 4.4.1 故障诊断测试 | 第62-67页 |
| 4.4.2 在线监测测试 | 第67页 |
| 4.5 小结 | 第67-68页 |
| 5 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76页 |
| A. 作者在攻读硕士学位期间取得的成果目录 | 第76页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第76页 |
