基于遗传算法优化神经网络的齿轮箱故障诊断研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·选题的目的和意义 | 第10页 |
| ·齿轮箱故障诊断的研究现状和发展动态 | 第10-13页 |
| ·研究现状 | 第10-11页 |
| ·信号处理方法研究 | 第11-13页 |
| ·基于遗传算法的齿轮箱故障诊断 | 第13-14页 |
| ·本文主要研究内容和论文构架 | 第14-15页 |
| 2 齿轮箱故障振动机理及故障特征提取 | 第15-27页 |
| ·齿轮箱故障主要形式 | 第15-16页 |
| ·齿轮常见的故障形式及产生的原因 | 第15页 |
| ·轴承常见的故障形式及产生的原因 | 第15-16页 |
| ·振动机理分析 | 第16-20页 |
| ·齿轮振动机理分析 | 第16-18页 |
| ·滚动轴承振动机理分析 | 第18-20页 |
| ·故障特征信息 | 第20-23页 |
| ·齿轮故障特征信息 | 第20-22页 |
| ·滚动轴承故障特征信息 | 第22-23页 |
| ·时频域故障特征参量提取 | 第23-25页 |
| ·时域故障特征提取 | 第23-24页 |
| ·频域故障特征提取 | 第24-25页 |
| ·测量注意事项 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 遗传算法 | 第27-33页 |
| ·遗传算法的基本思想 | 第27-31页 |
| ·编码方法 | 第27-28页 |
| ·适值函数 | 第28页 |
| ·选择算子 | 第28-29页 |
| ·交叉算子 | 第29-30页 |
| ·变异算子 | 第30页 |
| ·初始运行参数 | 第30-31页 |
| ·遗传算法的优缺点以及改进思想 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 遗传算法优化 BP 网络 | 第33-41页 |
| ·神经网络在故障诊断中的应用 | 第33-34页 |
| ·BP 神经网络 | 第34-37页 |
| ·基于遗传神经网络学习算法 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 5 故障系统的方针与分析测试 | 第41-57页 |
| ·齿轮箱故障诊断实验系统 | 第41-43页 |
| ·齿轮箱故障特征值提取 | 第43-48页 |
| ·小波消噪 | 第43-46页 |
| ·提取时域频域特征参数 | 第46-47页 |
| ·归一化处理特征参数 | 第47-48页 |
| ·实现遗传算法优化神经网络应用于齿轮箱故障诊断 | 第48-56页 |
| ·建立神经网络模型 | 第48-49页 |
| ·选取参数 | 第49页 |
| ·遗传算法优化神经网络 | 第49-53页 |
| ·比较遗传优化算法神经网络与纯BP 算法 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 6 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |
| 致谢 | 第64页 |
