迁钢1580热轧F2异常震动故障的分析研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 轧机振动故障诊断的目的和意义 | 第9-10页 |
| 1.2 轧机振动故障诊断的现状 | 第10-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 第2章 振动信号在线检测方案 | 第13-21页 |
| 2.1 振动测试方案的介绍 | 第13-14页 |
| 2.2 轧机扭振的测试 | 第14-17页 |
| 2.2.1 扭矩测试原理 | 第14-15页 |
| 2.2.2 扭矩测试方案 | 第15页 |
| 2.2.3 扭矩测点布置 | 第15-16页 |
| 2.2.4 扭矩信号的传输方法 | 第16-17页 |
| 2.3 轧机的振动测试 | 第17-18页 |
| 2.3.1 振动测试原理 | 第17-18页 |
| 2.4 振动测试仪器 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 F2轧机振动故障信号的采集分析 | 第21-49页 |
| 3.1 扭振测试分析 | 第21-29页 |
| 3.1.1 空载工况分析 | 第21-23页 |
| 3.1.2 典型致振产品分析 | 第23-28页 |
| 3.1.3 扭振测试结论 | 第28-29页 |
| 3.2 轧机振动测试分析 | 第29-39页 |
| 3.2.1 空载工况分析 | 第29-33页 |
| 3.2.2 典型致振产品分析 | 第33-39页 |
| 3.2.3 轧机振动测试结论 | 第39页 |
| 3.3 水平振动振型分析 | 第39-45页 |
| 3.3.1 水平振动模型 | 第40页 |
| 3.3.2 水平振动有限元分析 | 第40-44页 |
| 3.3.3 轧机振动类型分析 | 第44-45页 |
| 3.3.4 轧机振动分析小结 | 第45页 |
| 3.4 抑制振动方法的实验 | 第45-49页 |
| 3.4.1 抑制振动测试分析 | 第46-47页 |
| 3.4.2 抑制振动实验结论 | 第47-49页 |
| 第4章 基于神经网络的振动状态预报 | 第49-57页 |
| 4.1 人工神经网络 | 第49-50页 |
| 4.1.1 人工神经网络模型 | 第49-50页 |
| 4.2 BP神经网络 | 第50-55页 |
| 4.2.1 BP神经网络介绍 | 第50-53页 |
| 4.2.2 BP神经元网络特点 | 第53页 |
| 4.2.3 BP神经网络的改进算法 | 第53-55页 |
| 4.3 基于BP神经网络的预报 | 第55-57页 |
| 第5章 振动信号和状态预报的实现 | 第57-65页 |
| 5.1 基于BP神经网络预报的设计 | 第57-63页 |
| 5.2 模型样本数据整理 | 第63页 |
| 5.3 网络模型仿真与检验 | 第63-65页 |
| 5.3.1 数据仿真情况 | 第63页 |
| 5.3.2 神经网络预报小结 | 第63-65页 |
| 第6章 总结和展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
