大型起重机盘式制动器的性能分析及状态识别
| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 符号说明 | 第14-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 课题来源 | 第15页 |
| 1.2 课题背景及研究意义 | 第15-16页 |
| 1.3 大型起重机制动设备结构及工作原理 | 第16-17页 |
| 1.4 国内外研究现状 | 第17-23页 |
| 1.4.1 起重机制动器故障类型 | 第17-18页 |
| 1.4.2 盘式制动器的监测方法及状态识别现状 | 第18-20页 |
| 1.4.3 BP神经网络的发展 | 第20-23页 |
| 1.5 论文的研究内容 | 第23-25页 |
| 第二章 盘式制动器摩擦副热—结构分析 | 第25-41页 |
| 2.1 盘式制动器模型建立 | 第25-26页 |
| 2.1.1 基本假设 | 第25-26页 |
| 2.1.2 制动盘单元几何尺寸及材料性能参数 | 第26页 |
| 2.2 边界条件 | 第26-29页 |
| 2.2.1 制动初速度 | 第27页 |
| 2.2.2 对流换热系数 | 第27-28页 |
| 2.2.3 热流分配系数 | 第28-29页 |
| 2.3 结果分析 | 第29-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 盘式制动器性能分析 | 第41-57页 |
| 3.1 制动正压力 | 第41-47页 |
| 3.1.1 制动性能 | 第42-44页 |
| 3.1.2 表面性能 | 第44-47页 |
| 3.2 摩擦系数 | 第47-50页 |
| 3.3 空动时间 | 第50-53页 |
| 3.4 起重量 | 第53-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第四章 基于BP神经网络的盘式制动器状态识别 | 第57-83页 |
| 4.1 人工神经网络结构 | 第57-60页 |
| 4.1.1 人工神经网络结构模型 | 第57-59页 |
| 4.1.2 人工神经网络的类型 | 第59-60页 |
| 4.2 BP神经网络模型及学习算法 | 第60-64页 |
| 4.2.1 BP神经网络的拓扑结构 | 第60-61页 |
| 4.2.2 BP神经网络的学习规则 | 第61-63页 |
| 4.2.3 BP网络算法的不足 | 第63-64页 |
| 4.3 BP神经网络的改进算法及算法选取 | 第64-70页 |
| 4.3.1 典型BP神经网络的改进算法 | 第64-65页 |
| 4.3.2 BP神经网络算法选取 | 第65-70页 |
| 4.4 盘式制动器状态识别模型建立 | 第70-79页 |
| 4.4.1 关键制动参数的确定 | 第70页 |
| 4.4.2 BP网络算法及结构优化 | 第70-75页 |
| 4.4.3 盘式制动器状态识别 | 第75-78页 |
| 4.4.4 盘式制动器状态识别方案 | 第78-79页 |
| 4.5 盘式制动器状态识别系统 | 第79-82页 |
| 4.6 本章小结 | 第82-83页 |
| 第五章 结论与展望 | 第83-85页 |
| 5.1 论文总结 | 第83-84页 |
| 5.2 研究展望 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-91页 |
| 研究成果及发表的学术论文 | 第91-93页 |
| 作者和导师简介 | 第93-94页 |
| 附件 | 第94-95页 |
