| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 故障诊断技术概述 | 第12-14页 |
| 1.2.1 故障诊断技术的发展和现状 | 第12-13页 |
| 1.2.2 现有故障诊断技术的局限性分析 | 第13-14页 |
| 1.2.3 故障诊断技术的发展趋势 | 第14页 |
| 1.3 EMD和SVM在故障诊断中的应用 | 第14-15页 |
| 1.4 论文的研究目的与结构安排 | 第15-17页 |
| 1.4.1 论文的研究目的 | 第15页 |
| 1.4.2 论文的结构安排 | 第15-17页 |
| 第2章 乳化器故障分析及总体方案设计 | 第17-31页 |
| 2.1 乳化炸药生产总体流程 | 第17-18页 |
| 2.2 研究对象介绍—AE-HLC-III型乳化器 | 第18-20页 |
| 2.2.1 乳化器的选型 | 第18-20页 |
| 2.2.2 乳化器的基本结构 | 第20页 |
| 2.3 乳化器的故障类型与振动特征 | 第20-28页 |
| 2.3.1 滚动轴承故障 | 第21-23页 |
| 2.3.2 转子不平衡故障 | 第23-25页 |
| 2.3.3 转子不对中故障 | 第25-26页 |
| 2.3.4 转子摩擦故障 | 第26-28页 |
| 2.4 乳化器故障诊断的难点 | 第28页 |
| 2.5 乳化器故障诊断系统设计方案 | 第28-30页 |
| 2.5.1 乳化器故障诊断流程 | 第28-29页 |
| 2.5.2 乳化器故障诊断系统设计 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于EMD的乳化器故障特征提取 | 第31-41页 |
| 3.1 经验模态分解（EMD）的基本原理 | 第31-36页 |
| 3.1.1 EMD的基本概念 | 第31-32页 |
| 3.1.2 EMD分解过程 | 第32-36页 |
| 3.2 基于EMD特征提取的可行性分析 | 第36-37页 |
| 3.2.1 特征提取的意义 | 第36页 |
| 3.2.2 基于EMD特征提取的可行性 | 第36-37页 |
| 3.3 乳化器故障的IMF能量特征提取 | 第37-40页 |
| 3.3.1 IMF能量特征提取的步骤 | 第37页 |
| 3.3.2 IMF能量特征提取结果与分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于SVM的故障诊断模型的研究 | 第41-53页 |
| 4.1 支持向量机（SVM）的基本原理 | 第41-44页 |
| 4.1.1 线性SVM | 第41-43页 |
| 4.1.2 非线性SVM | 第43-44页 |
| 4.2 SVM的分类策略 | 第44-46页 |
| 4.2.1 SVM分类算法 | 第44-45页 |
| 4.2.2 分类算法比较 | 第45-46页 |
| 4.3 基于遗传算法优化SVM参数 | 第46-47页 |
| 4.3.1 遗传算法概述 | 第46-47页 |
| 4.3.2 遗传算法优化SVM参数的步骤 | 第47页 |
| 4.4 基于SVM实现乳化器故障诊断的基本流程 | 第47-48页 |
| 4.5 基于SVM故障模型的建立和仿真 | 第48-52页 |
| 4.5.1 基于SVM方法的可行性分析 | 第48页 |
| 4.5.2 基于SVM故障诊断模型的仿真验证 | 第48-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 乳化器故障诊断系统的实现 | 第53-62页 |
| 5.1 系统硬件设计 | 第53-56页 |
| 5.1.1 传感器选型 | 第53-54页 |
| 5.1.2 变送器选型 | 第54-55页 |
| 5.1.3 PLC选型 | 第55-56页 |
| 5.2 软件设计 | 第56-60页 |
| 5.2.1 软件整体设计 | 第56页 |
| 5.2.2 组态王与数据库的连接 | 第56-57页 |
| 5.2.3 系统的功能实现 | 第57-60页 |
| 5.3 系统测试及结果分析 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 研究展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68页 |