基于时频综合特征提取与BP神经网络的齿轮箱故障诊断研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题背景 | 第10-11页 |
| ·课题来源 | 第10页 |
| ·课题研究的目的及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·齿轮箱故障诊断现状 | 第11-13页 |
| ·利用神经网络的齿轮箱故障诊断研究现状 | 第13-14页 |
| ·设备故障诊断的发展方向 | 第14-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 齿轮箱故障分类及故障机理研究 | 第17-31页 |
| ·齿轮箱的组成及故障分类 | 第17-19页 |
| ·齿轮箱的结构组成 | 第17-19页 |
| ·齿轮箱的故障分类 | 第19页 |
| ·齿轮的振动机理及故障特征分析 | 第19-26页 |
| ·齿轮的故障类型 | 第19-23页 |
| ·齿轮的振动模型 | 第23-24页 |
| ·齿轮故障信号的特征分析 | 第24-26页 |
| ·轴承的振动机理及故障特征 | 第26-29页 |
| ·轴承的故障类型 | 第26-27页 |
| ·轴承的振动机理 | 第27-28页 |
| ·轴承的振动信号模型 | 第28-29页 |
| ·旋转轴的故障类型及故障特征 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 人工神经网络研究 | 第31-48页 |
| ·人工神经网络模型的产生和发展 | 第31-33页 |
| ·人工神经网络产生的背景 | 第31页 |
| ·人工神经网络的发展 | 第31-32页 |
| ·人工神经网络的适用领域 | 第32-33页 |
| ·人工神经网络研究 | 第33-40页 |
| ·神经网络的特点 | 第33-34页 |
| ·神经网络的分类 | 第34-36页 |
| ·神经网络的学习方式 | 第36-37页 |
| ·神经网络的学习规则 | 第37-40页 |
| ·BP 神经网络 | 第40-47页 |
| ·BP 网络模型 | 第40-42页 |
| ·BP 算法 | 第42-44页 |
| ·BP 网络的不足与改进 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 齿轮箱故障诊断实验 | 第48-56页 |
| ·实验设备 | 第48-49页 |
| ·实验方案设计 | 第49-52页 |
| ·故障实验台的搭建 | 第49-51页 |
| ·齿轮箱故障设置及其特征参数 | 第51-52页 |
| ·故障信号的采集 | 第52-55页 |
| ·振动信号时频域分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 神经网络方法在齿轮箱故障诊断中的应用 | 第56-69页 |
| ·实验数据预处理 | 第56-63页 |
| ·时频域特征参数的提取 | 第56-62页 |
| ·特征参数的归一化 | 第62-63页 |
| ·网络的构建及故障诊断的实现 | 第63-68页 |
| ·网络的构建 | 第63-64页 |
| ·神经网络的输入及期望输出目标向量设计 | 第64-65页 |
| ·神经网络的训练与诊断 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 结论和展望 | 第69-71页 |
| ·结论 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75-76页 |
| 附表 | 第76-81页 |
| 致谢 | 第81-82页 |
