| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景及研究的目的和意义 | 第8页 |
| 1.2 国内外相关技术研究现状 | 第8-13页 |
| 1.2.1 超声电机研究现状 | 第8-10页 |
| 1.2.2 超声电机故障诊断研究现状 | 第10-11页 |
| 1.2.3 行波超声电机故障类型 | 第11-13页 |
| 1.3 人工神经网络在电机故障诊断中的应用及其优势 | 第13-16页 |
| 1.3.1 人工神经网络在电机故障诊断中的应用 | 第14-15页 |
| 1.3.2 人工神经网络在故障诊断中的优势 | 第15-16页 |
| 1.4 本课题主要研究内容 | 第16-17页 |
| 第2章 摩擦材料故障测试系统及试验方法 | 第17-30页 |
| 2.1 行波超声电机试验测试系统 | 第17-23页 |
| 2.1.1 测试系统试验台 | 第17-21页 |
| 2.1.2 测试系统软件 | 第21-22页 |
| 2.1.3 试验台功能及特点 | 第22-23页 |
| 2.2 摩擦材料故障对行波超声电机性能的影响 | 第23-29页 |
| 2.2.1 摩擦材料过度磨损 | 第24-26页 |
| 2.2.2 摩擦材料剥落 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 行波超声电机摩擦材料故障信号研究 | 第30-46页 |
| 3.1 故障信号产生机理及特征分析 | 第30-33页 |
| 3.1.1 噪声信号 | 第31-32页 |
| 3.1.2 孤极反馈电压信号 | 第32页 |
| 3.1.3 温度信号 | 第32-33页 |
| 3.2 故障信号采集 | 第33-37页 |
| 3.2.1 噪声信号测试条件 | 第34-36页 |
| 3.2.2 温度信号测试条件 | 第36-37页 |
| 3.3 故障信号分析处理及特征提取 | 第37-45页 |
| 3.3.1 噪声信号分析处理方法 | 第37-42页 |
| 3.3.2 驱动和反馈电压信号分析处理方法 | 第42-43页 |
| 3.3.3 其他故障信号的分析处理方法 | 第43-45页 |
| 3.3.4 行波超声电机摩擦材料剥落故障特征提取 | 第45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于神经网络的摩擦材料故障识别方法 | 第46-61页 |
| 4.1 摩擦材料故障类型识别 | 第46-54页 |
| 4.1.1 数据样本预处理 | 第46-49页 |
| 4.1.2 BP 神经网络的设计 | 第49-54页 |
| 4.2 摩擦材料故障程度判断 | 第54-58页 |
| 4.2.1 摩擦材料剥落 | 第54-56页 |
| 4.2.2 摩擦材料过度磨损 | 第56-58页 |
| 4.3 神经网络测试 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间发表的学术论文 | 第65-67页 |
| 致谢 | 第67页 |