基于粗糙集与模糊神经网络的滚动轴承故障诊断研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 轴承故障诊断技术发展及研究趋势 | 第8-10页 |
| 1.3 粗糙集和模糊神经网络的研究现状 | 第10-11页 |
| 1.3.1 粗糙集理论研究现状 | 第10-11页 |
| 1.3.2 模糊神经网络的研究现状 | 第11页 |
| 1.4 本文的主要研究内容 | 第11-13页 |
| 第二章 滚动轴承故障机理与特征提取 | 第13-23页 |
| 2.1 轴承的典型结构和失效形式 | 第13-15页 |
| 2.2 滚动轴承的振动特性及特征 | 第15-17页 |
| 2.2.1 滚动轴承的振动特性 | 第15页 |
| 2.2.2 滚动轴承的固有频率计算 | 第15-16页 |
| 2.2.3 滚动轴承的特征频率计算 | 第16-17页 |
| 2.3 滚动轴承故障信号特征 | 第17-18页 |
| 2.4 轴承振动信号分析与特征提取 | 第18-21页 |
| 2.4.1 滚动轴承振动信号的时域特征提取 | 第19-20页 |
| 2.4.2 EMD故障特征提取方法 | 第20-21页 |
| 2.4.3 基于频带能量的特征提取方法 | 第21页 |
| 2.5 本章小结 | 第21-23页 |
| 第三章 滚动轴承故障实验台搭建 | 第23-32页 |
| 3.1 滚动轴承振动信号采集系统概述 | 第23页 |
| 3.2 实验材料及硬件 | 第23-27页 |
| 3.2.1 故障轴承的制备 | 第23-24页 |
| 3.2.2 传感器的选择 | 第24-26页 |
| 3.2.3 数据处理模块 | 第26-27页 |
| 3.3 基于虚拟仪器的滚动轴承振动信号采集 | 第27-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于粗糙集理论和模糊神经网络的轴承诊断 | 第32-50页 |
| 4.1 滚动轴承故障的粗糙集诊断方法 | 第32-43页 |
| 4.1.1 粗糙集理论简介 | 第32-34页 |
| 4.1.2 离散化方法 | 第34页 |
| 4.1.3 属性约简方法 | 第34-35页 |
| 4.1.4 基于粗糙集的故障诊断 | 第35-43页 |
| 4.2 粗糙集与模糊神经网络结合的诊断方法 | 第43-48页 |
| 4.2.1 ANFIS的系统描述 | 第43-45页 |
| 4.2.2 ANFIS学习算法 | 第45页 |
| 4.2.3 粗糙集与ANFIS结合的故障诊断 | 第45-48页 |
| 4.3 粗糙集、粗糙集-ANFIS诊断方法对比 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于虚拟仪器的滚动轴承故障诊断系统开发 | 第50-62页 |
| 5.1 故障诊断系统结构 | 第50页 |
| 5.2 故障诊断系统设计与实现 | 第50-61页 |
| 5.2.1 用户登录 | 第51-54页 |
| 5.2.2 数据读取 | 第54-55页 |
| 5.2.3 特征参数计算 | 第55-56页 |
| 5.2.4 能量分析 | 第56-57页 |
| 5.2.5 ANFIS分析模块 | 第57-58页 |
| 5.2.6 数据库模块设计 | 第58-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
