重载列车轴承故障音频信号的集成诊断方案研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·重载列车轴承故障诊断的背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文主要工作及结构 | 第10-12页 |
| ·主要工作 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第二章 轴承故障音频信号诊断机理及其预处理过程 | 第12-21页 |
| ·重载列车的轴承结构及诊断特点 | 第12-14页 |
| ·内圈故障 | 第13页 |
| ·外圈故障 | 第13页 |
| ·滚动体故障 | 第13页 |
| ·保持架故障 | 第13-14页 |
| ·轴承故障形式及故障声源产生机理 | 第14-17页 |
| ·轴承故障形式 | 第14-15页 |
| ·轴承故障音频产生机理 | 第15-17页 |
| ·音频信号采集及预处理 | 第17-20页 |
| ·音频信号的采集 | 第18-19页 |
| ·音频信号预处理过程 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 故障音频信号的小波包倒谱特征提取及仿真 | 第21-38页 |
| ·传统轴承故障频谱特征提取方法 | 第21-23页 |
| ·传统频谱分析方法的优缺点 | 第21-22页 |
| ·小波包倒谱特征参数提取的提出 | 第22-23页 |
| ·基于离散小波包分解的倒谱特征提取方法 | 第23-32页 |
| ·小波分析概述 | 第23-24页 |
| ·小波基函数的选取 | 第24-26页 |
| ·音频信号的小波包分析 | 第26-29页 |
| ·DWT-LPCC特征参数的提取 | 第29-31页 |
| ·DWT-MFCC特征参数的提取 | 第31-32页 |
| ·故障信号倒谱特征提取的对比实验仿真 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 轴承故障的特征参数集成诊断方案选取与仿真 | 第38-51页 |
| ·轴承故障的特征参数集成诊断方案选取 | 第38-46页 |
| ·BP神经网络的结构 | 第39-40页 |
| ·BP神经网络算法 | 第40-41页 |
| ·遗传算法优化BP神经网络基本思路 | 第41-43页 |
| ·GA-BP神经网络具体算法 | 第43-46页 |
| ·整体故障诊断方案及诊断仿真 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 结论与展望 | 第51-53页 |
| ·结论 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间科研及论文完成情况 | 第57-59页 |
| 致谢 | 第59页 |
