基于LabVIEW的小波神经网络在煤矿主通风机状态监测中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-14页 |
| ·立题的背景 | 第10页 |
| ·国内研究现状及存在的问题 | 第10-11页 |
| ·研究的意义 | 第11-12页 |
| ·矿井通风机在线监测监控发展趋势 | 第12-13页 |
| ·本文研究的目的和任务 | 第13-14页 |
| 2 煤矿主通风机监测系统总体方案设计 | 第14-21页 |
| ·通风机监测系统的基本结构 | 第14-15页 |
| ·虚拟仪器技术 | 第15-20页 |
| ·虚拟仪器的产生 | 第15页 |
| ·虚拟仪器的概念 | 第15-16页 |
| ·LabVIEW 软件简介 | 第16-19页 |
| ·LabVIEW 外部接口与扩展 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于小波技术的特征值提取 | 第21-37页 |
| ·信号的分析方法 | 第21-22页 |
| ·信号的频域分析法 | 第21-22页 |
| ·信号的时域分析法 | 第22页 |
| ·小波分析理论 | 第22-25页 |
| ·连续小波变换 | 第22-24页 |
| ·多尺度小波 | 第24-25页 |
| ·常见通风机故障类型及征兆 | 第25-32页 |
| ·利用小波技术对信号进行特征值提取 | 第32-36页 |
| ·小波基的选取 | 第32-33页 |
| ·特征值提取方法 | 第33-34页 |
| ·不对中故障信号分析与特征提取 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 小波神经网络在通风机故障中的应用 | 第37-49页 |
| ·神经网络的基本原理和特点 | 第37-38页 |
| ·小波神经网络 | 第38-39页 |
| ·BP 神经网络的学习算法 | 第39-42页 |
| ·BP 神经网络的优化算法 | 第42-44页 |
| ·基于小波神经网络的通风机故障诊断算例 | 第44-48页 |
| ·建立故障征兆表 | 第44-45页 |
| ·故障诊断的实现 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于LabVIEW 通风机故障诊断实现 | 第49-60页 |
| ·密码验证模块 | 第49-50页 |
| ·数据采集模块 | 第50-52页 |
| ·A/D 和D/A 转换 | 第50页 |
| ·数据采集 | 第50-52页 |
| ·小波消噪功能模块 | 第52-53页 |
| ·数据的存储模块 | 第53-54页 |
| ·信号特征量提取模块 | 第54-56页 |
| ·信号特征量提取模块设计要求及功能 | 第54-55页 |
| ·信号特征值提取程序设计 | 第55-56页 |
| ·小波神经网络诊断模块 | 第56-57页 |
| ·系统报警模块 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
