| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·钢绳芯输送带故障诊断的研究背景及意义 | 第10-12页 |
| ·国内外钢绳芯输送带故障检测技术的研究现状 | 第12-13页 |
| ·金属磁记忆信号分析方法国内外的研究现状 | 第13-15页 |
| ·利用小波分析对磁记忆信号进行消噪 | 第13-14页 |
| ·利用小波包变换对磁记忆信号的特征提取 | 第14-15页 |
| ·小波分析与神经网络等算法结合的故障诊断方法 | 第15页 |
| ·论文的主要研究内容及章节安排 | 第15-18页 |
| ·本论文的主要研究内容 | 第15-16页 |
| ·本论文的章节安排 | 第16-18页 |
| 第二章 钢绳芯输送带断带故障的检测方法 | 第18-34页 |
| ·钢绳芯输送带简介 | 第18-20页 |
| ·输送带的分类 | 第18-19页 |
| ·钢绳芯输送带的结构 | 第19-20页 |
| ·钢丝绳芯输送带断带机理的研究 | 第20-23页 |
| ·钢绳芯输送带在正常使用情况下断裂 | 第20-22页 |
| ·钢绳芯输送带在非正常情况下断裂 | 第22-23页 |
| ·钢绳芯输送带常用的故障检测方法 | 第23-26页 |
| ·人工检查方法 | 第23-24页 |
| ·无损检测方法 | 第24-26页 |
| ·金属磁记忆检测技术的原理及特点 | 第26-29页 |
| ·金属磁记忆检测技术概述 | 第26-27页 |
| ·钢绳芯输送带金属磁记忆检测原理 | 第27-28页 |
| ·金属磁记忆检测技术用于钢绳芯输送带的优势 | 第28-29页 |
| ·钢绳芯输送带磁记忆信号的采集实验 | 第29-33页 |
| ·实验原理 | 第29页 |
| ·实验平台及仪器 | 第29-30页 |
| ·实验步骤 | 第30-31页 |
| ·实验结果 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 钢绳芯磁记忆信号奇异性的分析 | 第34-52页 |
| ·奇异性指数 | 第34-35页 |
| ·信号奇异性的分类 | 第35-36页 |
| ·傅里叶变换与信号的规则性 | 第36-39页 |
| ·基于小波变换信号奇异性的研究 | 第39-41页 |
| ·小波变换的定义 | 第39-40页 |
| ·信号奇异点的定位 | 第40-41页 |
| ·小波变换模极大值与李氏指数的关系 | 第41-44页 |
| ·小波基函数在信号奇异性检测中的选择 | 第44-47页 |
| ·钢绳芯输送带应力集中区的判定 | 第47-49页 |
| ·本章小结 | 第49-52页 |
| 第四章 磁记忆信号特征量的提取 | 第52-62页 |
| ·信号的绝对峰值 | 第54-55页 |
| ·信号的峰-峰值 | 第55页 |
| ·信号法向分量梯度值 | 第55-56页 |
| ·信号多尺度小波分解第一尺度细节分量的幅度最大值 | 第56-58页 |
| ·连续小波变换能量 | 第58-60页 |
| ·钢丝绳芯直径 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 基于神经网络的数据融合在钢绳芯输送带的应用 | 第62-82页 |
| ·数据融合的概念及分类 | 第62-63页 |
| ·基于神经网络的数据融合算法 | 第63-68页 |
| ·神经网络概念及模型 | 第64-65页 |
| ·神经网络的结构 | 第65-66页 |
| ·神经网络的学习方式和算法 | 第66-68页 |
| ·BP神经网络 | 第68-72页 |
| ·BP神经网络算法原理 | 第68-69页 |
| ·BP神经网络学习规则 | 第69-72页 |
| ·基于BP神经网络钢绳芯输送带的故障诊断 | 第72-80页 |
| ·钢绳芯输送带故障诊断系统结构 | 第72-74页 |
| ·钢绳芯输送带故障诊断BP神经网络设计 | 第74-80页 |
| ·本章小结 | 第80-82页 |
| 第六章 总结与展望 | 第82-84页 |
| ·总结 | 第82-83页 |
| ·展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-90页 |
| 攻读硕士学位期间发表的论文 | 第90页 |