经验模态分解结合神经元网络在轴承故障诊断中的研究与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·引言 | 第8-11页 |
| ·故障诊断技术的目的和任务 | 第8-9页 |
| ·故障诊断技术概述 | 第9-11页 |
| ·轴承故障诊断技术的发展现状 | 第11-13页 |
| ·轴承故障监测的方法 | 第11-12页 |
| ·轴承故障诊断的发展过程 | 第12页 |
| ·信号处理技术在轴承检测中的应用 | 第12-13页 |
| ·本文的主要研究内容 | 第13-15页 |
| 第二章 滚动轴承的故障特征及振动分析方法 | 第15-37页 |
| ·滚动轴承的结构和振动类型 | 第15-19页 |
| ·滚动轴承的旋转机构 | 第15页 |
| ·滚动轴承的振动 | 第15-16页 |
| ·滚动轴承故障的常用时域参数 | 第16-17页 |
| ·滚动轴承的固有振动频率 | 第17-18页 |
| ·滚动轴承的故障特征频率 | 第18-19页 |
| ·共振解调技术 | 第19-27页 |
| ·共振现象与共振解调原理 | 第19-20页 |
| ·共振解调法的数学模型 | 第20-23页 |
| ·包络检波与 Hilbert变换 | 第23-24页 |
| ·实例分析 | 第24-27页 |
| ·谱线增强器(ALE) | 第27-36页 |
| ·基于线性组合器的自适应谱线增强器 | 第27-29页 |
| ·基于高阶统计量的 ALE算法 | 第29-30页 |
| ·仿真实验 | 第30-33页 |
| ·实例分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 经验模态分解 | 第37-53页 |
| ·非平稳信号及解析信号 | 第37-40页 |
| ·非平稳信号的概念 | 第37-38页 |
| ·解析信号及其瞬时频率 | 第38-40页 |
| ·EMD分解方法 | 第40-49页 |
| ·本征模函数(IMF) | 第40-42页 |
| ·EMD分解步骤 | 第42-46页 |
| ·仿真实验分析 | 第46-49页 |
| ·EMD在轴承检测中的应用 | 第49-51页 |
| ·EMD方法的实质及存在的问题 | 第51-52页 |
| ·EMD分解方法的实质 | 第51-52页 |
| ·EMD分解存在的问题及解决方法 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第四章 EMD结合神经网络的联合故障诊断 | 第53-73页 |
| ·神经元网络概述 | 第53-57页 |
| ·神经网络技术的现状 | 第53-54页 |
| ·神经元的数学模型 | 第54-56页 |
| ·神经网络的学习算法 | 第56-57页 |
| ·神经网络的分类 | 第57页 |
| ·BP神经网络模型 | 第57-61页 |
| ·BP神经网络的模型结构 | 第57-58页 |
| ·BP算法的数学表述 | 第58-60页 |
| ·BP网络的设计 | 第60-61页 |
| ·EMD与神经网络相结合的故障诊断 | 第61-72页 |
| ·神经网络的输入特征量提取 | 第61-63页 |
| ·BP神经网络的训练与测试 | 第63-67页 |
| ·故障状态的进一步识别 | 第67-72页 |
| ·本章小结 | 第72-73页 |
| 第五章 结论与展望 | 第73-75页 |
| ·全文总结 | 第73页 |
| ·今后技术展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 作者在攻读硕士学位期间发表及录用论文 | 第78-79页 |
| 致谢 | 第79页 |
