| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-16页 |
| 1.1 课题来源 | 第11页 |
| 1.2 论文研究背景及意义 | 第11-13页 |
| 1.3 液压缸泄漏故障国内外研究现状 | 第13-15页 |
| 1.3.1 液压缸泄漏故障诊断国内研究现状 | 第13-14页 |
| 1.3.2 液压缸泄漏故障诊断国外研究现状 | 第14页 |
| 1.3.3 现有研究的不足 | 第14-15页 |
| 1.4 本文主要工作内容 | 第15-16页 |
| 2 液压缸拉缸和密封圈损坏故障分析及模拟实验 | 第16-31页 |
| 2.1 拉缸和密封圈损坏故障分析 | 第16-18页 |
| 2.1.1 拉缸故障分析 | 第17-18页 |
| 2.1.2 密封圈损坏故障分析 | 第18页 |
| 2.2 液压缸工况模拟实验台概述 | 第18-20页 |
| 2.3 基于LabVIEW的液压缸测试系统开发 | 第20-25页 |
| 2.3.1 测试系统硬件选择 | 第20-22页 |
| 2.3.2 测试系统软件设计 | 第22-23页 |
| 2.3.3 实验验证 | 第23-25页 |
| 2.4 液压缸拉缸故障的模拟实验及方法 | 第25-28页 |
| 2.4.1 拉缸故障模拟测试及方法 | 第25-27页 |
| 2.4.2 拉缸故障内泄漏测试结果分析 | 第27-28页 |
| 2.5 液压缸密封圈损坏故障的模拟实验 | 第28-30页 |
| 2.5.1 密封圈损坏故障模拟测试及方法 | 第28-29页 |
| 2.5.2 密封圈损坏故障内泄漏测试结果分析 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 3 基于小波变换的液压缸拉缸及密封圈损坏故障特征提取 | 第31-49页 |
| 3.1 小波变换基本理论 | 第31-33页 |
| 3.1.1 小波分析 | 第31-32页 |
| 3.1.2 小波包分析 | 第32-33页 |
| 3.2 液压缸压力信号的故障敏感特征参量选择 | 第33-37页 |
| 3.2.1 压力信号组成分析 | 第33-35页 |
| 3.2.2 压力信号小波包子带能量 | 第35-36页 |
| 3.2.3 压力信号小波包能量熵 | 第36-37页 |
| 3.2.4 压力信号小波包能量方差 | 第37页 |
| 3.2.5 压力信号小波系数均方根值 | 第37页 |
| 3.3 液压缸拉缸故障特征提取 | 第37-41页 |
| 3.4 液压缸密封圈损坏故障特征提取 | 第41-46页 |
| 3.5 故障特征量敏感度分析 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 4 小波神经网络在液压缸拉缸及密封圈损坏故障诊断中应用 | 第49-68页 |
| 4.1 小波神经网络算法概述 | 第49-56页 |
| 4.1.1 松散型小波神经网络的结构及学习算法 | 第49-52页 |
| 4.1.2 紧密型小波神经网络的结构及学习算法 | 第52-56页 |
| 4.2 基于小波神经网络的液压缸拉缸故障诊断 | 第56-62页 |
| 4.2.1 拉缸故障诊断的输入、输出向量设计 | 第56-59页 |
| 4.2.2 基于松散型小波神经网络的拉缸故障诊断 | 第59-61页 |
| 4.2.3 基于紧密型小波神经网络的拉缸故障诊断 | 第61-62页 |
| 4.3 基于小波神经网络的液压缸密封圈损坏故障诊断 | 第62-67页 |
| 4.3.1 密封圈损坏故障诊断的输入、输出向量设计 | 第62-65页 |
| 4.3.2 基于松散型小波神经网络的密封圈损坏故障诊断 | 第65-66页 |
| 4.3.3 基于紧密型小波神经网络的密封圈损坏故障诊断 | 第66-67页 |
| 4.4 本章小结 | 第67-68页 |
| 全文总结与展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 附录 | 第74-75页 |
| 致谢 | 第75页 |
