| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 故障诊断技术国内外发展概况 | 第12-15页 |
| 1.2.1 故障诊断技术国内外研究现状 | 第12-14页 |
| 1.2.2 故障诊断技术发展趋势 | 第14-15页 |
| 1.3 本文研究目标及研究内容 | 第15-17页 |
| 第二章 主通风机高压电动机机械故障机理的研究 | 第17-25页 |
| 2.1 矿井主通风机 | 第17-18页 |
| 2.2 主通风机高压电动机常见机械故障类型及机理分析 | 第18-22页 |
| 2.2.1 转子断条 | 第18-21页 |
| 2.2.2 轴承故障 | 第21-22页 |
| 2.3 关键状态参数及故障特征参量选取 | 第22-23页 |
| 2.4 软件平台 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于Hilbert变换和SVM的主通风机高压电动机转子断条故障诊断方法 | 第25-37页 |
| 3.1 基于Hilbert变换的转子断条故障特征量提取方法 | 第25-27页 |
| 3.1.1 Hilbert变换及Hilbert模量的定义 | 第25页 |
| 3.1.2 Hilbert变换在转子断条故障诊断中的应用 | 第25-26页 |
| 3.1.3 仿真分析 | 第26-27页 |
| 3.2 基于SVM的故障模式识别方法 | 第27-32页 |
| 3.2.1 分类SVM原理 | 第28-29页 |
| 3.2.2 分类模型的选取 | 第29页 |
| 3.2.3 核函数的选取 | 第29-30页 |
| 3.2.4 参数寻优 | 第30-32页 |
| 3.3 基于Hilbert变换和SVM的转子断条故障诊断方法的实现 | 第32-35页 |
| 3.3.1 Hilbert变换程序 | 第32页 |
| 3.3.2 SVM分类模型的建立 | 第32-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于LMD分解和SVM的主通风机高压电动机轴承故障诊断方法 | 第37-45页 |
| 4.1 基于LMD分解的轴承故障特征量提取方法 | 第37-41页 |
| 4.1.1 LMD分解基本原理 | 第37-39页 |
| 4.1.2 局部均值分解在轴承故障诊断中的应用 | 第39-40页 |
| 4.1.3 仿真分析 | 第40-41页 |
| 4.2 基于LMD分解和SVM的轴承故障诊断方法的实现 | 第41-44页 |
| 4.2.1 LMD分解程序 | 第41-43页 |
| 4.2.2 SVM分类程序 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 故障监测系统设计 | 第45-65页 |
| 5.1 故障监测系统方案设计 | 第45-46页 |
| 5.1.1 系统硬件结构 | 第45页 |
| 5.1.2 系统软件结构 | 第45-46页 |
| 5.2 故障监测系统硬件配置 | 第46-51页 |
| 5.2.1 传感器选型 | 第46-49页 |
| 5.2.2 数据采集卡选型 | 第49-50页 |
| 5.2.3 上位机配置 | 第50-51页 |
| 5.3 故障监测系统软件开发 | 第51-64页 |
| 5.3.1 信号采集及预处理程序设计 | 第51-55页 |
| 5.3.2 LabVIEW平台下MATLAB代码的调用 | 第55-56页 |
| 5.3.3 数据存储程序设计 | 第56-60页 |
| 5.3.4 人机交互界面设计 | 第60-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 试验及结果分析 | 第65-77页 |
| 6.1 信号采集程序的调试 | 第65页 |
| 6.2 转子断条故障分析 | 第65-70页 |
| 6.2.1 转子断条故障模拟试验 | 第66-67页 |
| 6.2.2 试验结果分析 | 第67-70页 |
| 6.3 轴承故障分析 | 第70-76页 |
| 6.3.1 轴承故障模拟试验 | 第70-71页 |
| 6.3.2 试验结果分析 | 第71-76页 |
| 6.4 本章小结 | 第76-77页 |
| 第七章 研究结论及展望 | 第77-79页 |
| 7.1 研究结论 | 第77-78页 |
| 7.2 工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 作者在攻读硕士期间的研究成果 | 第85页 |
