| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景、目的和意义 | 第9-11页 |
| 1.3 相关领域国内外研究现状 | 第11-18页 |
| 1.3.1 立式辊磨机液压加载子系统故障特性研究 | 第12-13页 |
| 1.3.2 信号预处理方法研究 | 第13-14页 |
| 1.3.3 状态预测方法研究 | 第14-16页 |
| 1.3.4 故障诊断方法研究 | 第16-18页 |
| 1.4 本文主要研究内容和组织结构 | 第18-20页 |
| 1.4.1 本文主要研究内容 | 第18-19页 |
| 1.4.2 本文组织结构 | 第19-20页 |
| 第2章 立式辊磨机液压加载子系统故障状态预处理 | 第20-31页 |
| 2.1 预处理体系流程 | 第20页 |
| 2.2 基于小波去噪与EEMD样本熵的预处理方法 | 第20-26页 |
| 2.3 立式辊磨机液压加载子系统故障状态预处理 | 第26-30页 |
| 2.3.1 基于小波的液压及加速度信号去噪 | 第26-29页 |
| 2.3.2 基于EEMD样本熵的液压及加速度信号特征提取 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于FOA-GRNN算法的故障状态预测 | 第31-40页 |
| 3.1 故障状态预测流程 | 第31页 |
| 3.2 基于果蝇优化算法的改进广义回归神经网络 | 第31-36页 |
| 3.3 立式辊磨机液压加载子系统压力及加速度信号预测 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于改进RIPPER算法的故障诊断 | 第40-52页 |
| 4.1 故障诊断流程 | 第40-41页 |
| 4.2 RIPPER算法优化 | 第41-48页 |
| 4.3 立式辊磨机液压加载子系统故障诊断 | 第48-51页 |
| 4.3.1 故障知识库建立 | 第48-49页 |
| 4.3.2 故障状态诊断决策 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 全文工作总结 | 第52-53页 |
| 5.2 进一步研究展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间的科研成果 | 第58页 |