数据融合在APMP盘磨故障诊断中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-21页 |
| ·APMP 盘磨故障诊断的研究意义 | 第11页 |
| ·APMP 盘磨故障诊断研究发展慨况 | 第11-14页 |
| ·盘磨故障诊断研究内容 | 第11-12页 |
| ·盘磨故障诊断发展概况 | 第12-14页 |
| ·盘磨故障诊断方法 | 第14-19页 |
| ·基于信号处理的方法 | 第14页 |
| ·轴心轨迹与全息谱技术 | 第14-16页 |
| ·基于知识的智能方法 | 第16页 |
| ·基于数据融合技术的故障诊断方法 | 第16-19页 |
| ·课题研究内容和章节安排 | 第19-21页 |
| 2 盘磨振动故障特征分析与故障特征提取研究 | 第21-47页 |
| ·大型盘磨机结构 | 第21-22页 |
| ·盘磨故障分类 | 第22-23页 |
| ·盘磨故障振动特征分析 | 第23-36页 |
| ·转子不平衡振动特征 | 第27-30页 |
| ·联轴器不对中振动特征分析 | 第30-31页 |
| ·轴承损坏油膜涡动与振荡振动特征 | 第31-35页 |
| ·轴承座支撑松动振动特征分析 | 第35页 |
| ·转子碰摩擦故障振动特征 | 第35-36页 |
| ·盘磨故障特征提取研究 | 第36-45页 |
| ·振动信号检测 | 第37页 |
| ·基于傅里叶变换与加窗傅里叶变换的故障特征提取 | 第37-38页 |
| ·基于小波包功率谱的故障特征提取 | 第38-45页 |
| ·本章小结 | 第45-47页 |
| 3 数据融合故障诊断及改进 D-S 理论 | 第47-61页 |
| ·数据融合算法 | 第47-48页 |
| ·基于贝叶斯决策的融合诊断 | 第48-50页 |
| ·基于 D-S 理论的融合诊断及其改进 | 第50-60页 |
| ·基于 D-S 理论的故障诊断融合过程 | 第51-53页 |
| ·自适应 BP 神经网络的初始概率分配方法 | 第53-57页 |
| ·改进的 D-S 理论 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 4 基于数据融合的盘磨故障诊断系统设计及研究 | 第61-71页 |
| ·基于数据融合的盘磨故障诊断结构设计 | 第61-62页 |
| ·碰摩擦实验 | 第62-65页 |
| ·融合诊断系统的仿真研究 | 第65-69页 |
| ·单传感器神经网络诊断输出 | 第67-69页 |
| ·数据融合决策输出 | 第69页 |
| ·本章小结 | 第69-71页 |
| 5 总结与展望 | 第71-73页 |
| ·总结 | 第71页 |
| ·展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 附录：程序 | 第80-86页 |
| 攻读硕士学位期间发表的论文 | 第86页 |
| 攻读学位期间参加的科研项目 | 第86-87页 |
