基于神经网络的风机故障诊断研究
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1. 绪论 | 第9-15页 |
| ·课题研究目的及意义 | 第9-10页 |
| ·机械设备故障诊断概述 | 第10-13页 |
| ·机械设备故障诊断的内容及意义 | 第10-12页 |
| ·机械故障分析方法简介 | 第12-13页 |
| ·风机故障诊断技术及发展 | 第13-14页 |
| ·论文研究的主要内容 | 第14-15页 |
| 2. 风机故障类型及诊断方法 | 第15-24页 |
| ·风机简介 | 第15-17页 |
| ·风机的分类与形式 | 第15页 |
| ·风机产品及在冶金行业的应用 | 第15-17页 |
| ·风机常见故障类型及征兆 | 第17-20页 |
| ·风机故障来源及原因 | 第17-18页 |
| ·风机主要故障形式及征兆 | 第18-20页 |
| ·风机故障诊断分析方法 | 第20-23页 |
| ·时域分析 | 第20-22页 |
| ·频域分析 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3. 人工神经网络的相关理论 | 第24-40页 |
| ·人工神经网络概述 | 第24-28页 |
| ·人工神经网络的概念 | 第24页 |
| ·人工神经元的概念 | 第24-27页 |
| ·人工神经网络互连结构 | 第27-28页 |
| ·人工神经网络的学习规则 | 第28-30页 |
| ·Hebb 学习规则 | 第28-29页 |
| ·感知机学习规则 | 第29页 |
| ·δ学习规则 | 第29页 |
| ·Widrow-Hoff 学习规则 | 第29-30页 |
| ·Winner TakeAll 学习规则 | 第30页 |
| ·神经网络的几种模型结构 | 第30-32页 |
| ·前向型神经网络 | 第30-31页 |
| ·反馈型神经网络 | 第31页 |
| ·竞争型神经网络 | 第31-32页 |
| ·BP 神经网络的基本原理及其学习算法 | 第32-39页 |
| ·误差反向传播神经网络结构 | 第32-33页 |
| ·误差反向传播神经网络处理单元模型 | 第33-35页 |
| ·误差反向传播学习算法 | 第35-38页 |
| ·BP 神经网络的能力 | 第38页 |
| ·BP 神经网络的改进 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4. 风机振动数据采集及特征量分析 | 第40-49页 |
| ·监测设备及测点布置 | 第40-43页 |
| ·信号监测设备 | 第40-41页 |
| ·PDM2000 参数设置 | 第41-42页 |
| ·测点布置 | 第42-43页 |
| ·振动信号采集 | 第43-46页 |
| ·风机故障特征向量分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 5. BP 神经网络的改进算法及故障诊断 | 第49-64页 |
| ·BP 神经网络的设计 | 第49-51页 |
| ·训练样本集 | 第49-50页 |
| ·初始权值的设计 | 第50页 |
| ·网络结构的设计 | 第50-51页 |
| ·网络训练与测试设计 | 第51页 |
| ·BP 神经网络参数的选取 | 第51-53页 |
| ·BP 神经网络的算法改进 | 第53-58页 |
| ·自适应 lr 梯度下降法 | 第53-55页 |
| ·弹性梯度下降法 | 第55-56页 |
| ·Levenberg-Marquardt 法 | 第56-58页 |
| ·改进算法的比较与选取 | 第58-61页 |
| ·运算方法比较 | 第58-59页 |
| ·收敛精度比较 | 第59-60页 |
| ·仿真结果比较 | 第60-61页 |
| ·改进算法选取 | 第61页 |
| ·BP 神经网络的训练与故障测试 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 6. 结论与展望 | 第64-65页 |
| ·结论 | 第64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68-69页 |
