| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·机械故障诊断概述 | 第8-12页 |
| ·通风机故障诊断的发展过程 | 第9-10页 |
| ·通风机故障诊断技术现状 | 第10-12页 |
| ·通风机故障诊断技术发展趋势 | 第12页 |
| ·神经网络和信息融合技术在通风机故障诊断领域中的应用 | 第12-13页 |
| ·神经网络在通风机故障诊断中的应用情况 | 第12-13页 |
| ·信息融合技术在通风机故障预警中的应用情况 | 第13页 |
| ·课题研究的目的和意义 | 第13-14页 |
| ·课题的目的 | 第13页 |
| ·课题的意义 | 第13-14页 |
| ·课题的主要研究内容 | 第14-15页 |
| 2 通风机振动原理及振动分析方法 | 第15-20页 |
| ·通风机振动原理 | 第15-17页 |
| ·基于塔式模型的振动分析方法 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 3 基于振动分析方法的通风机故障诊断研究 | 第20-31页 |
| ·引言 | 第20页 |
| ·机械设备振动的形式及原因 | 第20-21页 |
| ·振动的基本测试系统及其各部分的功能 | 第21页 |
| ·振动分析方法 | 第21-23页 |
| ·通风机故障原因及其振动特性 | 第23-25页 |
| ·频域分析与时域分析在通风机故障诊断中的应用 | 第25-29页 |
| ·通风机系统的主要参数及其特征频率 | 第25-26页 |
| ·通风机振动测试系统 | 第26页 |
| ·通风机振动信号频谱分析 | 第26-28页 |
| ·时域无量纲指标在通风机诊断中的应用 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 4 神经网络在通风机故障诊断中的应用 | 第31-36页 |
| ·人工神经网络原理 | 第31-33页 |
| ·BP网络及BP网络学习算法 | 第32页 |
| ·改进BP算法的思路和步骤 | 第32-33页 |
| ·通风机神经网络诊断 | 第33-34页 |
| ·典型故障特征提取 | 第33-34页 |
| ·神经网络建立 | 第34页 |
| ·工程应用 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 5 小波神经网络智能诊断方法 | 第36-43页 |
| ·小波神经网络的构造 | 第36-38页 |
| ·小波基波选择的标准 | 第38-39页 |
| ·基于小波网络预测模型的建立 | 第39-41页 |
| ·通风机故障预测分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 6 基于神经网络与证据理论的通风机故障预警研究 | 第43-49页 |
| ·引言 | 第43页 |
| ·信息融合技术 | 第43-44页 |
| ·多参数综合预警模型在矿用主通风机故障预警中的应用 | 第44-48页 |
| ·局部融合模块 | 第45-46页 |
| ·全局融合模块 | 第46页 |
| ·应用实例 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 7 基于组态软件的矿用主通风机故障预警系统的研究 | 第49-63页 |
| ·组态王KingView | 第49-50页 |
| ·软件平台的编程 | 第50-54页 |
| ·数据采集 | 第50-51页 |
| ·数据处理 | 第51-52页 |
| ·风机特性曲线 | 第52页 |
| ·软件平台界面 | 第52-54页 |
| ·故障预警软件结构设计 | 第54-61页 |
| ·预警软件的组成及原理 | 第54-55页 |
| ·数据采集模块的设计 | 第55-58页 |
| ·神经网络诊断模块的设计 | 第58-59页 |
| ·证据融合模块的设计 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 8 结论 | 第63-65页 |
| ·论文完成的主要工作 | 第63页 |
| ·论文的主要结论 | 第63-64页 |
| ·今后的工作展望 | 第64-65页 |
| 附录A | 第65-66页 |
| 附录B | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |