基于DSP和分层时序记忆的齿轮箱故障诊断系统
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 引言 | 第10-18页 |
| ·研究齿轮箱故障诊断系统的意义 | 第10-11页 |
| ·国内外研究现状 | 第11-17页 |
| ·硬件平台构建与驱动 | 第11-13页 |
| ·数据处理与特征提取 | 第13-14页 |
| ·HTM 理论发展与应用 | 第14-17页 |
| ·本文研究的主要内容 | 第17-18页 |
| 第二章 齿轮箱常见故障及信号特征 | 第18-26页 |
| ·齿轮的故障机理和信号特征 | 第18-21页 |
| ·齿轮传动的动态激励模型 | 第18-19页 |
| ·齿轮常见故障 | 第19-20页 |
| ·齿轮故障振动信号特征 | 第20-21页 |
| ·轴承的故障类型和信号特征 | 第21-23页 |
| ·滚动轴承常见故障 | 第21页 |
| ·滚动轴承振动机理与信号特征 | 第21-23页 |
| ·齿轮箱振动信号的时频域特征值 | 第23-26页 |
| ·时域分析及常用特征值 | 第23-24页 |
| ·频域分析及常用特征值 | 第24-26页 |
| 第三章 HTM的皮层学习算法 | 第26-36页 |
| ·HTM 原理 | 第26-32页 |
| ·层级结构 | 第26-27页 |
| ·区域结构 | 第27-28页 |
| ·稀疏分布式表征 | 第28-29页 |
| ·HTM 的学习功能 | 第29-30页 |
| ·HTM 的感知功能 | 第30页 |
| ·HTM 的预测功能 | 第30-32页 |
| ·HTM 神经元结构 | 第32-36页 |
| ·近端树突 | 第33页 |
| ·远端树突 | 第33-34页 |
| ·突触 | 第34页 |
| ·神经元 | 第34-36页 |
| 第四章 DSP系统的设计 | 第36-53页 |
| ·系统总体结构设计 | 第36-41页 |
| ·模拟量采集 | 第37-38页 |
| ·转速测量 | 第38-39页 |
| ·SD 卡存储与文件系统 | 第39-40页 |
| ·以太网接口和 GSM 无线网络通信 | 第40-41页 |
| ·CAN 总线通信 | 第41页 |
| ·基于DSP 的数据处理和特征提取算法 | 第41-50页 |
| ·FIR 数字滤波 | 第41-42页 |
| ·FFT 功率谱 | 第42-44页 |
| ·基于复解析带通滤波的细化谱分析 | 第44-45页 |
| ·希尔伯特包络解调谱 | 第45-47页 |
| ·在线小波分解与重构 | 第47-50页 |
| ·DSP 系统程序执行流程 | 第50-53页 |
| 第五章 基于 HTM的故障分类识别 | 第53-84页 |
| ·实验设备与故障类型 | 第53-55页 |
| ·特征提取和转化 | 第55-62页 |
| ·特征量选取 | 第55-58页 |
| ·特征量转化 | 第58-62页 |
| ·HTM 结构设计和运行机理 | 第62-70页 |
| ·HTM 运行关键部件 | 第62-63页 |
| ·HTM 学习机理 | 第63-64页 |
| ·空间分类器详解 | 第64-69页 |
| ·时间分类器简介 | 第69-70页 |
| ·空间分类器在齿轮箱故障诊断中的实例应用 | 第70-84页 |
| ·初始化 | 第70-74页 |
| ·计算各神经柱激活值 | 第74页 |
| ·抑制 | 第74-75页 |
| ·学习 | 第75-80页 |
| ·基于条件概率的故障诊断 | 第80-84页 |
| 第六章 结论与展望 | 第84-86页 |
| ·结论 | 第84-85页 |
| ·展望 | 第85-86页 |
| 参考文献 | 第86-91页 |
| 攻读硕士学位期间发表的学术论文及所取得的研究成果 | 第91-92页 |
| 致谢 | 第92页 |
