首页--工业技术论文--矿业工程论文--矿山机械论文--选矿机械论文--筛分机论文

大型振动筛DZK2466侧帮裂纹故障诊断系统研究

摘要第1页
Abstract第5-6页
详细摘要第6-9页
Detailed Abstract第9-15页
1 引言第15-25页
   ·选题的背景及意义第15-17页
   ·设备故障诊断技术发展史第17-21页
     ·设备故障诊断的定义第17-19页
     ·设备故障诊断技术发展史第19-21页
   ·振动筛故障诊断研究的历史、现状及存在的问题第21-23页
     ·振动筛故障诊断研究的历史与现状第21-22页
     ·存在的主要问题第22-23页
   ·本文主要研究内容第23-25页
2 基于故障诊断的基础理论研究第25-43页
   ·引言第25-26页
   ·AR模型第26-29页
   ·AR模型在振动筛侧帮裂纹故障诊断中的应用第29-30页
   ·主元分析第30-34页
     ·主成分的推导第32-33页
     ·精度分析第33-34页
   ·主元分析在AR模型故障特征降维中的应用第34-35页
   ·支持向量机第35-41页
     ·最大间隔分类支持向量机第36-38页
     ·软间隔分类支持向量机第38-39页
     ·基于核的支持向量机第39-40页
     ·多分类支持向量机第40-41页
   ·主元分析在支持向量机多分类器中的应用第41-42页
   ·本章小结第42-43页
3 基于小波分析的信号降噪和故障特征提取方法研究第43-63页
   ·小波变换第43-49页
     ·引言第43-44页
     ·小波变换与小波函数第44-45页
     ·连续小波变换与离散小波变换第45-47页
     ·小波包变换第47-49页
   ·小波降噪理论研究第49-51页
     ·小波降噪的基本原理和方法第49-50页
     ·小波包与信号降噪第50-51页
   ·振动筛数据降噪处理第51-59页
     ·信号的时须域分析第51-54页
     ·信号的小波降噪处理第54-57页
     ·小波包降噪数据处理第57-59页
   ·振动筛故障特征提取第59-62页
     ·小波包能量特征提取方法第59-61页
     ·振动筛侧帮能量故障特征提取第61-62页
   ·本章小结第62-63页
4 基于小波遗传神经网络的振动筛侧帮裂纹故障诊断方法研究第63-87页
   ·人工神经网络第63-69页
     ·BP神经网络的构成第64-65页
     ·BP网络的学习规则第65页
     ·BP网络的算法第65-67页
     ·BP网络的改进方法第67-69页
   ·振动筛侧帮裂纹故障诊断的BP神经网络研究及实现第69-74页
   ·遗传算法第74-80页
     ·遗传算法的特点第74-75页
     ·基本遗传算法第75-80页
   ·遗传算法对神经网络的优化第80-83页
     ·遗传算法对神经网络的优化第80-82页
     ·神经网络的混合训练第82-83页
   ·振动筛侧帮裂纹故障诊断的小波遗传神经网络研究第83-85页
     ·小波遗传神经网络故障诊断流程第83-84页
     ·振动筛侧帮裂纹故障诊断的小波遗传神经网络研究与实现第84-85页
   ·本章小结第85-87页
5 大型振动筛侧帮裂纹在线检测方法研究第87-109页
   ·引言第87-88页
   ·系统硬件设计分析第88-92页
     ·传感器及参数选择第88-90页
     ·电荷电压放大器的设计第90-91页
     ·A/D转换器及单片机接口电路第91-92页
   ·系统软件研究第92-94页
   ·在线检测系统上位机软件研究与实现第94-106页
     ·计算机编程技术第95页
     ·数据库技术第95-97页
     ·上位机软件系统的设计第97-100页
     ·上位机软件主要功能模块的实现第100-102页
     ·振动筛在线故障诊断第102-106页
   ·本章小结第106-109页
6 结论与展望第109-113页
   ·本文的主要工作和结论第109-110页
   ·本文的创新性工作第110-111页
   ·建议第111-113页
参考文献第113-119页
致谢第119-121页
攻读博士学位期间参加的科研工作及发表的论文第121-122页

论文共122页,点击 下载论文
上一篇:我国大型煤炭企业国际化进程中的外汇风险管理研究
下一篇:基于GIS的复杂条件下露井联采边坡稳定性研究