矿井通风机故障预测的策略研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| Contents | 第11-14页 |
| 1 绪论 | 第14-22页 |
| ·引言 | 第14页 |
| ·选题背景 | 第14-15页 |
| ·故障研究面对的问题 | 第15-16页 |
| ·国内外故障预测研究 | 第16-20页 |
| ·风机故障预测研究现状 | 第16页 |
| ·风机故障预测方法 | 第16-20页 |
| ·风机故障预测发展趋势 | 第20页 |
| ·本文研究的主要内容 | 第20-22页 |
| 2 通风机故障分析和预测系统 | 第22-38页 |
| ·通风机概况 | 第22-23页 |
| ·通风机典型故障模式 | 第23-25页 |
| ·通风机振动故障及其主要特征 | 第25-31页 |
| ·典型故障振动分类 | 第25页 |
| ·典型故障振动特征分析 | 第25-31页 |
| ·通风机故障预测系统 | 第31-32页 |
| ·故障预测系统的硬件设计 | 第32-36页 |
| ·振动传感器 | 第32-34页 |
| ·数据采集设备 | 第34-35页 |
| ·工控计算机 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 3 小波分析在通风机故障特征提取的应用 | 第38-56页 |
| ·小波分析基本理论 | 第38-44页 |
| ·小波分析基础 | 第38-41页 |
| ·连续小波变换 | 第41-42页 |
| ·离散小波变换 | 第42-44页 |
| ·小波分析的特性和发展 | 第44-48页 |
| ·多分辨率分析 | 第44-45页 |
| ·Mallat算法 | 第45-46页 |
| ·小波包分析 | 第46-48页 |
| ·故障特征提取理论 | 第48页 |
| ·基于小波(包)的通风机故障特征提取 | 第48-54页 |
| ·含有噪声的小波包分析 | 第49-50页 |
| ·突变信号的小波分析 | 第50-51页 |
| ·时频信号的小波包分析 | 第51-53页 |
| ·功率谱的小波分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 4 基于SVM的通风机故障预测 | 第56-82页 |
| ·支持向量机基本理论 | 第56-63页 |
| ·支持向量机基础 | 第56-58页 |
| ·支持向量机 | 第58-63页 |
| ·支持向量回归机 | 第63-66页 |
| ·基于SVR的预测模型 | 第66-68页 |
| ·基于SVR的通风机故障预测 | 第68-80页 |
| ·确定可输入的数据样本 | 第68-69页 |
| ·样本数据的小波(包)分析 | 第69-76页 |
| ·支持向量机回归预测 | 第76-79页 |
| ·SVR预测结果分析 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 5 基于LabVIEW通风机故障预测实现 | 第82-92页 |
| ·虚拟仪器技术 | 第82-85页 |
| ·虚拟仪器简介 | 第82-83页 |
| ·虚拟仪器开发系统 | 第83-85页 |
| ·LabVIEW在数据采集中的应用 | 第85-86页 |
| ·LabVIEW在通风机故障预测的应用 | 第86-91页 |
| ·小波分析去噪模块 | 第86-88页 |
| ·信号特征值提取模块 | 第88页 |
| ·SVR预测模块 | 第88-91页 |
| ·本章小结 | 第91-92页 |
| 6 总结与展望 | 第92-94页 |
| ·全文总结 | 第92页 |
| ·展望 | 第92-94页 |
| 参考文献 | 第94-98页 |
| 致谢 | 第98-100页 |
| 作者简介以及读研期间主要科研成果 | 第100页 |
