基于电流信号的转子系统故障诊断与采煤机截割工况识别
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 电流信号特征提取方法 | 第11-13页 |
| 1.2.2 模式识别方法 | 第13-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第二章 电机电流变化机理分析及仿真 | 第18-28页 |
| 2.1 电机电流变化机理分析 | 第18-20页 |
| 2.2 电机系统仿真模型 | 第20-25页 |
| 2.2.1 电机系统仿真模型的建立 | 第20-23页 |
| 2.2.2 电机系统仿真模型的验证 | 第23-25页 |
| 2.3 电机电流变化机理仿真验证 | 第25-26页 |
| 2.4 小结 | 第26-28页 |
| 第三章 基于EEMD的电机电流信号特征提取 | 第28-42页 |
| 3.1 EEMD算法基本原理 | 第28-31页 |
| 3.1.1 EMD算法理论基础 | 第28-30页 |
| 3.1.2 EEMD算法理论基础 | 第30-31页 |
| 3.2 互相关分析和小波阈值去噪 | 第31-33页 |
| 3.2.1 互相关分析简介 | 第31-32页 |
| 3.2.2 小波阈值去噪简介 | 第32-33页 |
| 3.3 EEMD特征提取算法和仿真分析 | 第33-36页 |
| 3.3.1 EEMD特征提取算法 | 第33-34页 |
| 3.3.2 仿真分析 | 第34-36页 |
| 3.4 试验验证 | 第36-41页 |
| 3.4.1 转子试验台简介 | 第36-38页 |
| 3.4.2 试验目的 | 第38-39页 |
| 3.4.3 试验内容 | 第39页 |
| 3.4.4 试验结果分析 | 第39-41页 |
| 3.5 小结 | 第41-42页 |
| 第四章 基于电机电流信号的转子系统故障诊断 | 第42-62页 |
| 4.1 转子系统典型故障简介 | 第42-43页 |
| 4.2 电机电流信号特征参数介绍 | 第43-45页 |
| 4.2.1 幅值域特征 | 第43-45页 |
| 4.2.2 时频域特征 | 第45页 |
| 4.3 基于EEMD-PCA的电流信号特征提取 | 第45-49页 |
| 4.3.1 主成分分析理论基础 | 第45-47页 |
| 4.3.2 EEMD-PCA特征提取方法 | 第47-49页 |
| 4.4 转子系统典型故障模拟试验 | 第49-52页 |
| 4.4.1 试验台简介 | 第49-51页 |
| 4.4.2 试验目的 | 第51页 |
| 4.4.3 试验内容 | 第51页 |
| 4.4.4 试验结果分析 | 第51-52页 |
| 4.5 基于EEMD-PCA的转子系统故障诊断 | 第52-61页 |
| 4.5.1 分类算法简介 | 第52-55页 |
| 4.5.2 故障诊断结果分析 | 第55-61页 |
| 4.6 小结 | 第61-62页 |
| 第五章 基于电机电流信号的采煤机截割工况识别 | 第62-78页 |
| 5.1 采煤机破煤理论基础 | 第62-64页 |
| 5.1.1 煤岩特性概述 | 第62-63页 |
| 5.1.2 采煤机截割电机的截割特性 | 第63-64页 |
| 5.2 采煤机截割工况识别试验系统 | 第64-65页 |
| 5.3 基于小波包能量法的截割工况识别 | 第65-72页 |
| 5.3.1 小波包能量法简介 | 第66-67页 |
| 5.3.2 小波包能量法特征提取 | 第67-69页 |
| 5.3.3 识别结果分析 | 第69-72页 |
| 5.4 截割工况识别算法优化 | 第72-77页 |
| 5.4.1 特征向量的优化 | 第72-73页 |
| 5.4.2 SVM参数优化 | 第73-74页 |
| 5.4.3 PSO-SVM识别结果分析 | 第74-77页 |
| 5.5 小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-82页 |
| 6.1 工作总结 | 第78-79页 |
| 6.2 主要结论 | 第79页 |
| 6.3 展望 | 第79-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 攻读学位期间发表的学术论文目录 | 第90页 |
