轨道车辆转向架电机轴承在线故障诊断系统开发
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-21页 |
| ·课题来源 | 第7页 |
| ·本课题的研究目的和意义 | 第7-8页 |
| ·电机故障诊断技术的发展概述 | 第8-20页 |
| ·故障诊断技术的发展 | 第8-11页 |
| ·电机故障诊断的特点和方法 | 第11-19页 |
| ·国内外研究现状 | 第19-20页 |
| ·论文的安排及研究内容 | 第20-21页 |
| 第二章 电机轴承故障特征分析 | 第21-27页 |
| ·电机轴承失效的基本形式 | 第21-22页 |
| ·电机轴承振动特征分析 | 第22-24页 |
| ·电机轴承特征频率分析 | 第24页 |
| ·电机轴承固有振动频率分析 | 第24-25页 |
| ·电机滚动轴承动力学分析 | 第25-27页 |
| 第三章 电机轴承故障特征提取分析方法 | 第27-29页 |
| ·幅域分析法 | 第27页 |
| ·波形因数分析法 | 第27页 |
| ·波峰因数分析法 | 第27-28页 |
| ·概率密度分析法 | 第28页 |
| ·峭度系数分析法 | 第28页 |
| ·冲击脉冲分析法 | 第28页 |
| ·共振解调分析法 | 第28页 |
| ·时频分析法 | 第28-29页 |
| 第四章 小波分析技术及其在电机轴承故障诊断的应用 | 第29-35页 |
| ·傅里叶变换 | 第29页 |
| ·小波变换 | 第29-32页 |
| ·连续小波变换 | 第29-31页 |
| ·离散小波变换 | 第31-32页 |
| ·小波包的分解与重构 | 第32-33页 |
| ·小波与小波包降噪 | 第33-34页 |
| ·利用小波包技术对电机轴承故障特征进行提取 | 第34-35页 |
| 第五章 遗传算法与人工神经网络诊断方法 | 第35-61页 |
| ·人工神经网络诊断概述 | 第35-46页 |
| ·人工神经网络及其在故障诊断领域中的应用 | 第35-38页 |
| ·人工神经网络故障诊断的特点 | 第38页 |
| ·BP 神经网络学习算法及训练过程 | 第38-44页 |
| ·MATLAB 中BP 网络的工具箱函数 | 第44-45页 |
| ·BP 网络的结构设计 | 第45-46页 |
| ·遗传算法基本原理 | 第46-53页 |
| ·遗传算法特点概述 | 第46-48页 |
| ·编码 | 第48页 |
| ·初始种群的生成 | 第48页 |
| ·适应度评估检测及目标函数 | 第48-49页 |
| ·选择 | 第49-50页 |
| ·交叉 | 第50页 |
| ·变异 | 第50-51页 |
| ·终止条件判断 | 第51页 |
| ·遗传算法GA 工具箱函数 | 第51-53页 |
| ·遗传—神经网络诊断算法结合及实验研究 | 第53-61页 |
| ·用遗传算法优化神经网络权值的学习过程 | 第53-55页 |
| ·故障诊断试验过程及结果 | 第55-61页 |
| 第六章 电机故障诊断系统的硬件设计与实现 | 第61-69页 |
| ·系统总体结构 | 第61页 |
| ·车载系统结构及组成部件 | 第61-65页 |
| ·系统部分运行界面及简要功能介绍 | 第65-69页 |
| ·系统运行主界面 | 第65-66页 |
| ·神经网络参数设置界面 | 第66-68页 |
| ·设备现场诊断结果界面 | 第68-69页 |
| 结论与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间发表的学术论文目录 | 第77-78页 |
