首页--工业技术论文--机械、仪表工业论文--机械零件及传动装置论文--其他机械元件论文

流体动压型机械密封开启过程的声发射特征监测研究

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

论文共83页,点击 下载论文
上一篇:短暂性脑缺血发作和小卒中患者静脉溶栓的有效性和安全性研究
下一篇:Genius激光与传统手术治疗牙龈增生的临床疗效的对比研究