摘要 | 第6-7页 |
Abstract | 第7页 |
第1章 绪论 | 第10-18页 |
1.1 课题研究的目的和意义 | 第10-12页 |
1.2 机械密封发展历程及国内外研究现状 | 第12-15页 |
1.2.1 机械密封的发展历程 | 第12-13页 |
1.2.2 机械密封国内外研究现状 | 第13-15页 |
1.3 本文的主要研究内容和技术路线 | 第15-18页 |
1.3.1 主要研究内容 | 第15-16页 |
1.3.2 研究技术路线 | 第16-18页 |
第2章 机械密封基本原理及监测实验平台介绍 | 第18-26页 |
2.1 机械密封基本原理 | 第18-22页 |
2.1.1 非接触式机械密封 | 第19-21页 |
2.1.2 非接触式机械密封主要摩擦形式 | 第21-22页 |
2.2 非接触式机械密封实验设计 | 第22-25页 |
2.2.1 传感器选择及安装 | 第22-24页 |
2.2.2 数据采集系统 | 第24-25页 |
2.2.3 实验设计 | 第25页 |
2.3 本章小结 | 第25-26页 |
第3章 基于小波理论的机械密封信号分析 | 第26-40页 |
3.1 小波分析的基本理论 | 第26-35页 |
3.1.1 小波函数 | 第26-27页 |
3.1.2 小波变换 | 第27-28页 |
3.1.3 小波包分析 | 第28-30页 |
3.1.4 小波包降噪 | 第30-32页 |
3.1.5 算法实例分析 | 第32-35页 |
3.2 基于电涡流和声发射传感器的信号分析 | 第35-37页 |
3.2.1 电涡流信号分析 | 第35-36页 |
3.2.2 声发射信号分析 | 第36-37页 |
3.3 有无密封环对比实验分析 | 第37-39页 |
3.4 本章小结 | 第39-40页 |
第4章 基于小波包算法的声发射特征提取 | 第40-51页 |
4.1 数据预处理 | 第40-42页 |
4.2 时频域特征值提取 | 第42-46页 |
4.3 特征值筛选 | 第46-50页 |
4.4 本章小结 | 第50-51页 |
第5章 基于Elman神经网络的机械密封磨擦状态识别 | 第51-66页 |
5.1 人工神经网络原理与应用 | 第51-56页 |
5.1.1 人工神经网络结构 | 第51-52页 |
5.1.2 人工神经网络的工作过程 | 第52-53页 |
5.1.3 人工神经网络的特点与应用 | 第53-54页 |
5.1.4 人工神经网络的设计过程 | 第54-55页 |
5.1.5 人工神经网络的典型模型 | 第55-56页 |
5.2 Elman神经网络模型 | 第56-60页 |
5.2.1 Elman神经网络原理 | 第56-57页 |
5.2.2 Elman神经网络使用函数 | 第57-58页 |
5.2.3 Elman神经网络算法实例 | 第58-60页 |
5.3 基于Elman的机械密封摩擦状态识别 | 第60-65页 |
5.3.1 Elman网络模型 | 第60-63页 |
5.3.2 模式识别结果分析 | 第63-65页 |
5.4 本章小结 | 第65-66页 |
第6章 基于PSO算法的神经网络优化 | 第66-75页 |
6.1 PSO算法原理 | 第66-67页 |
6.1.1 基本PSO算法 | 第66-67页 |
6.1.2 PSO改进算法 | 第67页 |
6.2 PSO算法优化神经网络设计 | 第67-70页 |
6.2.1 PSO算法矩阵化 | 第68-69页 |
6.2.2 PSO优化神经网络流程 | 第69-70页 |
6.3 优化网络结果分析 | 第70-74页 |
6.4 本章小结 | 第74-75页 |
工作总结与展望 | 第75-77页 |
致谢 | 第77-78页 |
参考文献 | 第78-83页 |
攻读硕士研究生期间发表的论文 | 第83页 |