基于LabVIEW的小波神经网络在电机声频故障诊断中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-21页 |
| ·引言 | 第14-15页 |
| ·设备故障诊断系统的现状、面临的问题以及发展趋势 | 第15-16页 |
| ·本课题的研究背景及意义 | 第16-17页 |
| ·电机诊断的相关技术 | 第17-18页 |
| ·电机声频故障诊断系统的产生与发展现状 | 第18-20页 |
| ·本论文的研究内容 | 第20-21页 |
| 第二章 电机声频故障诊断系统总体方案设计 | 第21-29页 |
| ·电机声频故障诊断系统的基本结构 | 第21-22页 |
| ·虚拟仪器技术 | 第22-29页 |
| ·虚拟仪器国内外现状 | 第22-23页 |
| ·虚拟仪器基本概念 | 第23页 |
| ·LabVIEW开发平台介绍 | 第23-27页 |
| ·LabVIEW外部接口与扩展 | 第27-29页 |
| 第三章 基于小波技术的噪声信号处理 | 第29-43页 |
| ·信号的分析方法 | 第29-31页 |
| ·信号的频域分析方法 | 第29-30页 |
| ·信号的时域分析方法 | 第30-31页 |
| ·小波分析理论 | 第31-37页 |
| ·连续小波变换 | 第31-33页 |
| ·离散小波变换 | 第33-37页 |
| ·提取声频故障特征信息 | 第37-43页 |
| ·小波分析用于信号降噪处理 | 第37-42页 |
| ·利用小波分析对信号进行特征提取 | 第42-43页 |
| 第四章 小波神经网络在电机声频故障诊断中的应用 | 第43-55页 |
| ·BP神经网络 | 第43-48页 |
| ·BP神经网络概述 | 第43-44页 |
| ·BP神经网络结构模型 | 第44-45页 |
| ·BP神经网络的学习算法 | 第45-48页 |
| ·BP神经网络优化算法 | 第48-50页 |
| ·基于小波神经网络的电机故障诊断算例 | 第50-55页 |
| ·模型结构 | 第51页 |
| ·仿真结果与分析 | 第51-55页 |
| 第五章 基于虚拟技术的电机故障诊断系统实现 | 第55-66页 |
| ·声频采集子模块 | 第55-57页 |
| ·模块设计要求与功能 | 第55页 |
| ·仪器面板设计 | 第55-57页 |
| ·LabVIEW流程图设计 | 第57页 |
| ·声频分析子模块 | 第57-62页 |
| ·小波消噪功能模块 | 第57-60页 |
| ·小波消噪功能模块设计要求与功能 | 第57-58页 |
| ·小波消噪功能模块仪器面板设计 | 第58-60页 |
| ·小波消噪功能模块LabVIEW流程图设计 | 第60页 |
| ·信号特征能量提取模块 | 第60-62页 |
| ·信号特征能量提取模块设计要求与功能 | 第60-61页 |
| ·信号特征能量提取模块仪器面板设计 | 第61-62页 |
| ·信号特征能量提取模块LabVIEW流程图设计 | 第62页 |
| ·声频诊断子模块 | 第62-66页 |
| ·声频诊断子模块设计要求与功能 | 第62-63页 |
| ·声频诊断子模块仪器面板设计 | 第63-64页 |
| ·声频诊断子模块LabVIEW流程图设计 | 第64-66页 |
| 总结 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 攻读学位期间发表论文 | 第69-70页 |
| 独创性声明 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附录 | 第72-74页 |
