基于神经网络轴流风机的故障诊断研究

摘要	第4-5页
Abstract	第5页
第一章 绪论	第9-15页
1.1 课题的背景	第9-10页
1.2 课题的意义	第10页
1.3 国内外研究现状与发展趋势	第10-12页
1.3.1 国外研究现状	第10-11页
1.3.2 国内研究现状	第11-12页
1.3.3 课题的发展趋势	第12页
1.4 本文的主要研究内容及解决的问题	第12-15页
1.4.2 解决的关键问题	第13-15页
第二章 轴流风机的振动特性及故障机理	第15-24页
2.1 轴流风机的基本结构、工作原理及用途	第15-16页
2.1.1 轴流风机的基本结构及工作原理	第15页
2.1.2 轴流风机的用途	第15-16页
2.2 轴流风机振动原理分析	第16页
2.3 常见的故障信号的振动特征和故障模式的原因	第16-18页
2.3.1 转子质量不平衡	第16-17页
2.3.2 基础松动故障	第17-18页
2.3.3 动静件摩擦的故障	第18页
2.3.4 轴承失效故障	第18页
2.4 振动信号处理技术	第18-22页
2.4.1 时域分析法	第19-21页
2.4.2 频域分析法	第21-22页
2.5 本章小结	第22-24页
第三章 模拟实验与分析	第24-37页
3.1 实验目的	第24页
3.2 实验平台的搭建	第24-26页
3.3 故障模拟与测试	第26-36页
3.3.1 故障模拟的设计方案	第26-27页
3.3.2 传感器的布局与安装	第27-29页
3.3.3 故障的测试及数据采集	第29-36页
3.4 本章小结	第36-37页
第四章 神经网络技术在故障诊断的应用	第37-70页
4.1 故障信息的提取及分析处理	第37-42页
4.1.1 时域特征分析与提取	第37页
4.1.2 频域特征分析与提取	第37-42页
4.1.3 特征值的选择	第42页
4.2 人工神经网络的概述	第42-49页
4.2.1 神经网络的发展和应用	第43-45页
4.2.2 神经网络的基本特征和功能	第45-49页
4.2.3 神经网络的故障诊断原理分析	第49页
4.3 BP神经网络算法	第49-54页
4.3.1 BP神经网络的基本结构	第50页
4.3.2 改进BP神经网络的学习算法	第50-54页
4.4 BP神经网络的故障诊断	第54-65页
4.4.1 验证故障特征值分类识别模型建立	第54-55页
4.4.2 数据选择和归一化	第55-56页
4.4.3 BP神经网络结构初始化	第56-58页
4.4.4 BP神经网络的训练	第58页
4.4.5 BP神经网络的分类识别	第58-60页
4.4.6 BP神经网络模型的验证及结果分析	第60-65页
4.5 风机典型故障样本数据验证	第65-69页
4.5.1 数据的采集	第65-67页
4.5.2 测试结果及误差分析	第67-69页
4.6 本章小结	第69-70页
第五章 诊断系统测试分析模块的设计	第70-85页
5.1 系统总体结构设计	第70-74页
5.1.1 系统结构	第70-71页
5.1.2 软件功能	第71-72页
5.1.3 数据库的设计	第72-73页
5.1.4 模块设计	第73-74页
5.1.5 总体框架设计	第74页
5.2 软件的开发及编程语言	第74-84页
5.2.1 软件界面	第75-76页
5.2.2 采样数据格式转换模块	第76-79页
5.2.3 信号处理模块	第79-82页
5.2.4 神经网络模块	第82-84页
5.3 本章小结	第84-85页
第六章 总结与展望	第85-87页
6.1 总结	第85页
6.2 展望	第85-87页
参考文献	第87-91页
致谢	第91-92页
附录	第92-96页