| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-13页 |
| 1.1.1 镁合金板材的应用 | 第9-12页 |
| 1.1.2 开发镁合金板材轧机监测系统的意义 | 第12-13页 |
| 1.2 轧机监测系统研究现状 | 第13-18页 |
| 1.2.1 轧机监测系统研究现状 | 第13-16页 |
| 1.2.2 现代监测理论与方法 | 第16-18页 |
| 1.3 论文主要研究内容 | 第18-21页 |
| 第2章 镁合金板材轧制设备及其监测系统 | 第21-33页 |
| 2.1 镁合金板材轧制设备与工艺 | 第21-27页 |
| 2.1.1 镁合金板材轧制设备 | 第21-23页 |
| 2.1.2 镁合金板材轧制工艺 | 第23-27页 |
| 2.2 镁合金轧机监测系统 | 第27-33页 |
| 2.2.1 设备与工艺故障 | 第27-30页 |
| 2.2.2 镁合金轧机监测方案设计 | 第30-33页 |
| 第3章 轧机监测系统信号处理与故障诊断技术 | 第33-49页 |
| 3.1 信号处理与分析 | 第33-35页 |
| 3.1.1 信号处理 | 第33页 |
| 3.1.2 信号分析 | 第33-35页 |
| 3.2 特征提取 | 第35-40页 |
| 3.2.1 基于频域分析的故障特征频率 | 第36页 |
| 3.2.2 基于幅域分析的特征向量 | 第36-38页 |
| 3.2.3 基于小波包分析的能量特征向量 | 第38-40页 |
| 3.3 改进 BP 神经网络的监测与故障诊断模型 | 第40-49页 |
| 3.3.1 BP 神经网络 | 第40-43页 |
| 3.3.2 改进的 BP 神经网络 | 第43-46页 |
| 3.3.3 神经网络监测模型设计 | 第46-49页 |
| 第4章 基于 LabVIEW 的镁合金板材轧机监测系统设计 | 第49-65页 |
| 4.1 镁合金板材轧机监测系统硬件设计 | 第49-53页 |
| 4.1.1 硬件系统总体设计 | 第49-50页 |
| 4.1.2 传感器选型 | 第50-52页 |
| 4.1.3 信号调理、采集与传输 | 第52-53页 |
| 4.1.4 中央控制计算机 | 第53页 |
| 4.2 镁合金板材轧机监测系统软件设计 | 第53-65页 |
| 4.2.1 基于 LabVIEW 的虚拟仪器技术 | 第53-54页 |
| 4.2.2 软件系统总体设计 | 第54-55页 |
| 4.2.3 子模块系统设计 | 第55-60页 |
| 4.2.4 软件功能仿真验证 | 第60-65页 |
| 第5章 镁合金板材轧机监测系统试验研究 | 第65-71页 |
| 5.1 轧机监测系统现场试验 | 第65-69页 |
| 5.1.1 试验对象 | 第65-66页 |
| 5.1.2 现场数据测量节点布置 | 第66-68页 |
| 5.1.3 采样参数的设置 | 第68-69页 |
| 5.2 试验结果 | 第69-71页 |
| 第6章 总结与展望 | 第71-75页 |
| 6.1 主要工作和成果 | 第71-72页 |
| 6.2 研究的创新点 | 第72页 |
| 6.3 研究展望 | 第72-75页 |
| 参考文献 | 第75-79页 |
| 作者简介及其科研成果 | 第79-81页 |
| 致谢 | 第81页 |