| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 论文的选题背景与现状 | 第9-12页 |
| 1.2 论文的研究目的与意义 | 第12页 |
| 1.3 论文的结构安排 | 第12-14页 |
| 2 驼峰减速器故障分析 | 第14-25页 |
| 2.1 驼峰减速器机械故障分析 | 第14-21页 |
| 2.1.1 TJ·K型减速器机械故障分析 | 第14-19页 |
| 2.1.2 TJ·Y型减速器机械故障分析 | 第19-21页 |
| 2.2 驼峰减速器电气故障分析 | 第21-23页 |
| 2.3 小结 | 第23-25页 |
| 3 建立BP神经网络减速器故障模型 | 第25-37页 |
| 3.1 BP神经网络结构 | 第25-27页 |
| 3.1.1 确定BP神经网络的输入层和输出层 | 第26-27页 |
| 3.1.2 确定BP神经网络的隐含层 | 第27页 |
| 3.2 输入变量的提取 | 第27-36页 |
| 3.2.1 驼峰减速器振动频率变量的提取 | 第27-29页 |
| 3.2.2 驼峰减速器视频监控开口变量的提取 | 第29-30页 |
| 3.2.3 驼峰减速器测重、测速数据的提取 | 第30-33页 |
| 3.2.4 驼峰减速器气压值、车轮厚度和动作时间数据的提取 | 第33-34页 |
| 3.2.5 驼峰减速器控制电路电流、电压的提取 | 第34页 |
| 3.2.6 数据归一化处理 | 第34-36页 |
| 3.3 小结 | 第36-37页 |
| 4 贝叶斯改进BP神经网络 | 第37-50页 |
| 4.1 BP神经网络概述 | 第37-38页 |
| 4.2 BP神经网络权值调整规则 | 第38-41页 |
| 4.3 BP神经网络算法 | 第41-42页 |
| 4.4 贝叶斯正规化算法 | 第42-44页 |
| 4.5 LM算法 | 第44-45页 |
| 4.6 MATLAB仿真分析验证 | 第45-49页 |
| 4.7 小结 | 第49-50页 |
| 5 驼峰减速器故障诊断系统 | 第50-53页 |
| 5.1 驼峰减速器故障诊断系统设计 | 第50-52页 |
| 5.2 小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读学位期间的研究成果 | 第57页 |