基于多传感器的滚动轴承故障检测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题研究的背景与意义 | 第10-11页 |
| ·国内外研究历程现状 | 第11-12页 |
| ·滚动轴承故障诊断常用方法 | 第12-13页 |
| ·本文主要研究内容 | 第13-14页 |
| 第2章 滚动轴承信号采集系统的设计 | 第14-20页 |
| ·实验设备的选择 | 第14-17页 |
| ·实验平台 | 第14-15页 |
| ·振动传感器的选择 | 第15-16页 |
| ·声发射信号采集设备的选择 | 第16-17页 |
| ·传感器的标定 | 第17-18页 |
| ·实验方案及参数设置 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 滚动轴承的振动信号分析 | 第20-36页 |
| ·滚动轴承的基本结构及失效形式 | 第20-21页 |
| ·滚动轴承的基本结构 | 第20页 |
| ·滚动轴承的失效形式 | 第20-21页 |
| ·滚动轴承的振动机理 | 第21-23页 |
| ·滚动轴承的固有振动频率 | 第22页 |
| ·滚动轴承的理论故障特征频率 | 第22-23页 |
| ·滚动轴承振动信号时频域分析 | 第23-29页 |
| ·常用的时域分析法 | 第23-24页 |
| ·常用的频域分析法 | 第24-25页 |
| ·振动信号的时域和频域图 | 第25-29页 |
| ·振动信号的滤波降噪 | 第29-32页 |
| ·Hilbert振动分解法 | 第30-31页 |
| ·信号的Hilbert振动分解 | 第31-32页 |
| ·振动信号的包络解调 | 第32-35页 |
| ·Hilbert解调原理 | 第32-33页 |
| ·振动信号的包络谱 | 第33-35页 |
| ·滚动轴承振动方法的检测结果 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 滚动轴承的声发射信号分析 | 第36-48页 |
| ·声发射技术在滚动轴承故障诊断中的应用 | 第36-37页 |
| ·声发射信号的处理方法 | 第37-40页 |
| ·参数分析法 | 第37页 |
| ·频谱分析法 | 第37页 |
| ·小波分析法 | 第37-40页 |
| ·滚动轴承的声发射信号时域分析 | 第40-42页 |
| ·小波降噪 | 第42-44页 |
| ·小波降噪的技术原理 | 第42-43页 |
| ·降噪后的声发射信号时域图 | 第43-44页 |
| ·滚动轴承声发射信号的包络分析 | 第44-46页 |
| ·声发射方法的检测结果 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第5章 滚动轴承的信息融合诊断 | 第48-60页 |
| ·信息融合综述 | 第48-51页 |
| ·多信息融合的发展与原理 | 第48-49页 |
| ·多信息融合层次的选择 | 第49-50页 |
| ·信息融合常用方法 | 第50-51页 |
| ·滚动轴承故障的多信息融合诊断方法 | 第51页 |
| ·BP神经网络 | 第51-53页 |
| ·基于BP神经网络的滚动轴承故障检测的实现 | 第53-58页 |
| ·输入向量和输出向量的设计 | 第53-54页 |
| ·网络结构选择 | 第54页 |
| ·特征向量的归一化处理 | 第54-55页 |
| ·网络训练 | 第55-57页 |
| ·信息融合的诊断结果 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第6章 结论 | 第60-62页 |
| ·总结 | 第60页 |
| ·本文研究的创新点 | 第60页 |
| ·对课题后期的展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间的研究成果 | 第67页 |
