基于EMD与神经网络的柱塞泵故障诊断方法
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·选题来源 | 第8页 |
| ·选题意义 | 第8-9页 |
| ·液压系统故障诊断方法的国内外研究 | 第9-10页 |
| ·液压系统诊断方法总结 | 第10-11页 |
| ·研究内容和论文结构安排 | 第11-13页 |
| 2 轴向柱塞泵介绍与故障机理分析 | 第13-20页 |
| ·轴向柱塞泵的结构和工作原理 | 第13-14页 |
| ·轴向柱塞泵的常见故障与振动特性分析 | 第14-16页 |
| ·柱塞泵振动信号的频谱分析 | 第16-19页 |
| ·本章小结 | 第19-20页 |
| 3 EMD 与AR 模型结合的特征提取方法 | 第20-30页 |
| ·EMD 原理 | 第20-24页 |
| ·AR 模型介绍 | 第24-26页 |
| ·EMD 与AR 模型结合的特征提取方法 | 第26-27页 |
| ·特征参数的筛选 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 4 Fuzzy ARTMAP 神经网络分类原理 | 第30-38页 |
| ·神经网络算法概述 | 第30页 |
| ·自适应共振理论模型 | 第30-32页 |
| ·FAM 神经网络结构与分类原理 | 第32-35页 |
| ·FAM 网络的简化 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 5 柱塞泵实验数据分析 | 第38-53页 |
| ·柱塞泵实验台 | 第38-41页 |
| ·柱塞泵振动数据的提取 | 第41-42页 |
| ·柱塞泵振动数据的EMD | 第42-46页 |
| ·AR 模型参数的提取 | 第46-47页 |
| ·FAM 神经网络分类应用 | 第47-50页 |
| ·基于距离的特征参数优选 | 第50-51页 |
| ·警戒参数ρa 对网络分类的影响 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| ·全文总结 | 第53页 |
| ·研究展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 攻读学位期间发表学术论文 | 第59页 |
