高速锭子故障特征提取及分类技术的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-15页 |
| ·课题的提出背景 | 第12-13页 |
| ·前人的研究工作 | 第13页 |
| ·本课题的主要研究内容 | 第13-15页 |
| 第二章 影响锭子动态性能的因素 | 第15-20页 |
| ·锭子的结构特征 | 第15-17页 |
| ·锭子的组成 | 第15-16页 |
| ·锭子的支撑结构 | 第16-17页 |
| ·锭子振动的影响因素 | 第17-20页 |
| 第三章 锭子动态性能测试系统 | 第20-25页 |
| ·锭子测试系统硬件组成 | 第20-22页 |
| ·机械设备故障诊断系统的实现 | 第22-24页 |
| ·诊断系统 | 第22-23页 |
| ·故障诊断流程 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第四章 纺纱锭子振动分析方法及应用 | 第25-40页 |
| ·概述 | 第25页 |
| ·小波变换原理 | 第25-30页 |
| ·小波变换理论 | 第25-26页 |
| ·多分辨率分析 | 第26-27页 |
| ·正交小波基的构造 | 第27-30页 |
| ·系统中信号处理 | 第30-34页 |
| ·纺纱锭子的振动分析 | 第34-39页 |
| ·DFG2型锭子振动分析 | 第34-36页 |
| ·D1203型锭子振动分析 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 锭子振动信号状态识别 | 第40-56页 |
| ·神经网络理论 | 第40-48页 |
| ·神经网络特点 | 第40页 |
| ·神经网络模型 | 第40-41页 |
| ·神经网络学习方法 | 第41-44页 |
| ·BP神经网络 | 第44-47页 |
| ·Levenberg-Marquardt算法介绍 | 第47-48页 |
| ·状态特征的归一化处理 | 第48-49页 |
| ·系统中状态识别方法 | 第49-51页 |
| ·纺纱锭子振动状态识别 | 第51-55页 |
| ·DFG2型锭子振动状态识别 | 第51-53页 |
| ·D1203型锭子振动状态识别 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结及展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
