首页--交通运输论文--公路运输论文--隧道工程论文--隧道施工论文--施工机械论文

盾构机液压推进系统故障诊断技术研究

摘要第4-5页
ABSTRACT第5-6页
1 绪论第9-19页
    1.1 研究背景、选题意义及实用价值第9-11页
        1.1.1 研究背景第9-10页
        1.1.2 选题意义第10-11页
        1.1.3 实用价值第11页
    1.2 盾构机主体简介第11-12页
    1.3 液压系统故障诊断技术第12-15页
        1.3.1 液压系统故障诊断国内外研究现状第12-14页
        1.3.2 液压系统故障诊断主要方法及发展趋势第14-15页
    1.4 研究中存在的问题第15-16页
    1.5 本文的主要研究内容及技术路线第16-18页
    1.6 本章小结第18-19页
2 盾构机液压推进系统工作原理及故障描述第19-27页
    2.1 盾构机液压推进系统工作原理第19-21页
    2.2 液压推进系统主要参数第21-22页
    2.3 液压推进系统常见故障机理分析第22-26页
        2.3.1 液压泵内泄漏第22-23页
        2.3.2 换向阀内泄漏第23页
        2.3.3 溢流阀内泄漏第23-24页
        2.3.4 液压缸内泄漏第24-25页
        2.3.5 液压油粘度过高第25-26页
        2.3.6 电磁换向阀磁铁失效第26页
    2.4 本章小结第26-27页
3 基于AMESim的盾构机液压推进系统建模与故障仿真第27-39页
    3.1 AMESim软件介绍第27-28页
        3.1.1 AMESim软件概况第27页
        3.1.2 AMESim界面第27-28页
    3.2 盾构机液压推进系统AMESim模型的建立第28-37页
        3.2.1 柱塞泵模型设计第29-31页
        3.2.2 换向阀模型设计第31-32页
        3.2.3 溢流阀模型设计第32-33页
        3.2.4 液压缸及负载模型设计第33-34页
        3.2.5 液压推进系统AMESim仿真模型建立第34-35页
        3.2.6 仿真数据提取第35-37页
    3.3 本章小结第37-39页
4 基于VW-FDA的盾构机液压推进系统故障诊断研究第39-49页
    4.1 引言第39页
    4.2 VW算法第39-41页
    4.3 VW在FDA上的应用第41-43页
    4.4 VW-FDA故障诊断结果与分析第43-47页
    4.5 本章小结第47-49页
5 基于VW-LVQ神经网络的故障诊断研究第49-59页
    5.1 引言第49页
    5.2 LVQ神经网络第49-52页
        5.2.1 LVQ神经网络结构第49-50页
        5.2.2 LVQ神经网络学习算法第50-52页
    5.3 VW在LVQ上应用第52-53页
    5.4 基于VW-LVQ神经网络的故障识别效果检验第53-58页
        5.4.1 VW-LVQ网络参数设置及模型检验第53-55页
        5.4.2 LVQ与VW-LVQ网络故障识别结果对比第55-58页
    5.5 本章小结第58-59页
6 结论与展望第59-61页
    6.1 结论第59-60页
    6.2 展望第60-61页
攻读学位期间参加的科研项目及发表的学术论文第61-63页
致谢第63-65页
参考文献第65-69页

论文共69页,点击 下载论文
上一篇:高等级公路升级改造路面检测评价技术研究
下一篇:基于极限学习机的交通事故严重程度预测