基于改进神经网络的风机故障监控与诊断系统研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号说明 | 第12-14页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究的背景及意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 风机故障诊断平台发展现状 | 第14-15页 |
| 1.2.2 神经网络故障诊断的发展现状 | 第15-17页 |
| 1.2.3 小波分析的发展趋势 | 第17页 |
| 1.3 工作内容与主要解决的问题 | 第17-20页 |
| 1.3.1 本文主要工作内容 | 第17-18页 |
| 1.3.2 本文主要解决问题 | 第18-20页 |
| 第2章 神经网络与优化算法的对比研究 | 第20-38页 |
| 2.1 神经网络的选择与分析 | 第20-29页 |
| 2.1.1 神经网络的初筛 | 第20页 |
| 2.1.2 各神经网络拓扑结构对比分析 | 第20-22页 |
| 2.1.3 各神经网络原理比较 | 第22-25页 |
| 2.1.4 各神经网络建立方法对比分析 | 第25-28页 |
| 2.1.5 基于案例的神经网络对比分析 | 第28-29页 |
| 2.2 优化算法的选择与分析 | 第29-37页 |
| 2.2.1 优化算法的初筛 | 第29-30页 |
| 2.2.2 各优化算法原理比较 | 第30-34页 |
| 2.2.3 基于案例的各算法对比分析 | 第34-37页 |
| 2.3 本章小结 | 第37-38页 |
| 第3章 用于风机故障诊断的神经网络改进 | 第38-52页 |
| 3.1 改进神经网络的建立 | 第38-41页 |
| 3.1.1 ELM的结构确立方案 | 第38-41页 |
| 3.1.2 ELM-CS改进神经网络的建立方案 | 第41页 |
| 3.2 改进神经网络故障库的建立 | 第41-47页 |
| 3.3 改进神经网络的训练 | 第47-49页 |
| 3.4 改进神经网络的验证 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 PYHL-14A型风机故障诊断系统的开发 | 第52-60页 |
| 4.1 风机故障诊断系统 | 第52-56页 |
| 4.1.1 系统整体架构 | 第52-53页 |
| 4.1.2 故障诊断系统介绍 | 第53-56页 |
| 4.2 系统各模块介绍 | 第56-58页 |
| 4.2.1 信号传输模块 | 第56页 |
| 4.2.2 分析系统 | 第56页 |
| 4.2.3 自学习系统 | 第56-57页 |
| 4.2.4 基于云平台的数据处理模块 | 第57-58页 |
| 4.3 故障预警与诊断演示 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 风机故障研究平台的建立与实验数据的测量 | 第60-72页 |
| 5.1 实验平台的搭建 | 第60-65页 |
| 5.1.1 振动传感器的选定 | 第61-62页 |
| 5.1.2 离线数据采集模块 | 第62-65页 |
| 5.2 故障模拟实验 | 第65-70页 |
| 5.2.1 故障模拟实验前期准备 | 第65-66页 |
| 5.2.2 故障模拟实验之转子不平衡 | 第66-67页 |
| 5.2.3 故障模拟实验之基座松动 | 第67-69页 |
| 5.2.4 故障模拟实验之不对中 | 第69-70页 |
| 5.3 本章小结 | 第70-72页 |
| 第6章 结论与展望 | 第72-74页 |
| 6.1 主要结论 | 第72页 |
| 6.2 创新点 | 第72-73页 |
| 6.3 研究展望 | 第73-74页 |
| 附录A 神经网络部分代码 | 第74-76页 |
| 附录B 优化算法部分代码 | 第76-82页 |
| 附录C 系统界面部分代码 | 第82-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-92页 |
| 攻读学位期间参加的科研项目和成果 | 第92页 |
