基于盲分离和分形理论的矿井风机故障诊断研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 故障诊断的基本概念 | 第8-9页 |
| 1.3 国内外矿井风机故障诊断的研究现状 | 第9-12页 |
| 1.3.1 基于信号处理的故障诊断方法 | 第10-11页 |
| 1.3.2 基于人工智能的故障诊断方法 | 第11页 |
| 1.3.3 基于盲分离的故障诊断方法 | 第11-12页 |
| 1.4 本文主要工作及内容安排 | 第12-13页 |
| 第2章 矿井风机常见故障及诊断系统新构架 | 第13-24页 |
| 2.1 引言 | 第13页 |
| 2.2 矿井风机的工作原理 | 第13-17页 |
| 2.3 矿井风机的常见故障振动特性分析 | 第17-21页 |
| 2.4 故障诊断系统新架构 | 第21-23页 |
| 2.4.1 传统故障诊断系统的不足 | 第21-22页 |
| 2.4.2 矿井风机故障诊断系统的新架构 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于特征值分解与时频分布的盲分离 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 问题描述及信号模型 | 第24-25页 |
| 3.3 基于特征值分解与时频分布的盲分离 | 第25-37页 |
| 3.3.1 特征值分解降噪处理方法 | 第25-26页 |
| 3.3.2 基于时频分布的盲分离原理 | 第26-28页 |
| 3.3.3 分离方法及基本步骤 | 第28-32页 |
| 3.3.4 仿真实验与性能分析 | 第32-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于分形理论的特征提取及故障诊断 | 第38-56页 |
| 4.1 引言 | 第38页 |
| 4.2 分形基本原理 | 第38-40页 |
| 4.2.1 分形基本概念 | 第38-39页 |
| 4.2.2 分形维数的计算方法 | 第39-40页 |
| 4.3 基于分形理论的特征提取 | 第40-42页 |
| 4.4 信号分形特征的聚类及故障诊断 | 第42-43页 |
| 4.5 矿井风机故障诊断实验分析 | 第43-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 课题总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录1 攻读硕士学位期间发表的论文 | 第63页 |
