基于神经网络的旋转机械振动故障诊断的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·选题背景及其意义 | 第10页 |
| ·机械故障诊断技术的主要理论和方法 | 第10-12页 |
| ·机械故障诊断的国内外研究现状 | 第12-14页 |
| ·国外的发展现状 | 第12-13页 |
| ·国内的发展现状 | 第13-14页 |
| ·论文研究内容 | 第14-15页 |
| 第2章 基于振动分析的旋转机械的故障分析 | 第15-24页 |
| ·旋转机械振动监测的主要参数 | 第15-16页 |
| ·转子系统振动故障分析方法 | 第16-19页 |
| ·时域分析 | 第16-17页 |
| ·频域分析 | 第17-19页 |
| ·时频域分析 | 第19页 |
| ·转子系统的典型故障模式 | 第19-22页 |
| ·转子不对中 | 第19-20页 |
| ·转子不平衡 | 第20页 |
| ·转子碰摩故障 | 第20-21页 |
| ·油膜涡动与油膜振荡 | 第21-22页 |
| ·转子振动故障特征的提取 | 第22-24页 |
| ·转子故障特征信号提取的依据 | 第22页 |
| ·振动故障特征的提取 | 第22-24页 |
| 第3章 基于人工神经网络的故障诊断技术 | 第24-36页 |
| ·人工神经网络概述 | 第24-26页 |
| ·人工神经网络的概念 | 第24页 |
| ·人工神经元 | 第24-25页 |
| ·人工神经网络模型 | 第25-26页 |
| ·神经网络的基本学习算法 | 第26-28页 |
| ·Hebb学习规则 | 第26-27页 |
| ·δ学习规则 | 第27页 |
| ·W-H学习规则 | 第27页 |
| ·Winner-Take-All学习规则 | 第27-28页 |
| ·Perceptron学习规则 | 第28页 |
| ·Boltzmann机学习规则 | 第28页 |
| ·几种典型的神经网络简介 | 第28-30页 |
| ·多层感知网络 | 第28页 |
| ·竞争型神经网络 | 第28-29页 |
| ·反馈神经网络 | 第29-30页 |
| ·RBF神经网络 | 第30页 |
| ·自组织神经网络 | 第30页 |
| ·BP神经网络故障诊断 | 第30-36页 |
| ·神经网络的参数的选取 | 第31-32页 |
| ·BP神经网络的故障诊断方法与实现 | 第32-36页 |
| 第4章 模糊神经网络 | 第36-44页 |
| ·模糊逻辑的概述 | 第36页 |
| ·模糊逻辑的数学基础 | 第36-39页 |
| ·模糊处理与神经网络相结合 | 第39-40页 |
| ·模糊逻辑与神经网络结合的意义 | 第39页 |
| ·模糊神经元的模型与修正 | 第39-40页 |
| ·模糊神经网络的分类 | 第40页 |
| ·模糊神经网络故障诊断的仿真 | 第40-44页 |
| ·模糊神经网络参数的选择 | 第40-41页 |
| ·模糊神经网络故障诊断仿真实现 | 第41-44页 |
| 第5章 遗传算法优化神经网络 | 第44-53页 |
| ·遗传算法概述 | 第44-45页 |
| ·基本遗传算法 | 第44页 |
| ·遗传算法的操作算子 | 第44-45页 |
| ·遗传算法优化神经网络 | 第45-46页 |
| ·神经网络与遗传算法的辅助式结合 | 第45-46页 |
| ·遗传算法与神经网络的合作式结合 | 第46页 |
| ·遗传算法神经网络的实现 | 第46-53页 |
| ·遗传神经网络的基本方案 | 第46-48页 |
| ·遗传神经网络的实现方法 | 第48-49页 |
| ·遗传神经网络的在故障诊断的仿真实现 | 第49-53页 |
| 第6章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |
