基于Web远程故障诊断系统的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-14页 |
| ·选题的背景 | 第10-11页 |
| ·国内外研究动态及发展趋势 | 第11-12页 |
| ·研究意义 | 第12页 |
| ·研究的主要内容 | 第12-14页 |
| 2 采煤机截割部故障机理的研究 | 第14-23页 |
| ·采煤机结构分析综述 | 第14-15页 |
| ·采煤机故障分类 | 第15-16页 |
| ·轴承故障机理 | 第16页 |
| ·轴承的振动信号特征 | 第16-18页 |
| ·轴承的故障特征频率 | 第16-17页 |
| ·故障轴承的振动信号特征分析 | 第17-18页 |
| ·轴承振动信号的分析频带选择 | 第18页 |
| ·齿轮故障机理 | 第18-19页 |
| ·齿轮振动信号分析 | 第19-22页 |
| ·齿轮振动噪声产生机理 | 第19-20页 |
| ·齿轮振动信号的啮合频率及其各次谐波 | 第20页 |
| ·齿轮故障的调制特征 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 系统远程智能化的关键技术 | 第23-28页 |
| ·网络通信与数据传输相关技术 | 第23-24页 |
| ·基于 TCP/IP 协议的网络通信技术 | 第23页 |
| ·基本的数据传输技术 | 第23-24页 |
| ·数据库技术 | 第24-26页 |
| ·Web 数据库 | 第24-25页 |
| ·Web 与数据库的连接 | 第25-26页 |
| ·网络数据的安全 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 4 系统信号分析与故障诊断相关技术研究与设计 | 第28-58页 |
| ·信号分析技术 | 第28-32页 |
| ·信号分析技术综述 | 第28页 |
| ·时域分析 | 第28-30页 |
| ·频域分析 | 第30-32页 |
| ·小波包分析理论 | 第32-40页 |
| ·小波包定义 | 第33-34页 |
| ·小波包性质及算法 | 第34页 |
| ·小波包提取故障特征信号 | 第34-35页 |
| ·齿轮系统故障时频特征 | 第35-40页 |
| ·基于神经网络的故障诊断专家系统 | 第40-57页 |
| ·专家系统 | 第40-43页 |
| ·从传统专家系统到神经网络专家系统 | 第43-44页 |
| ·前向多层神经网络及 BP 学习算法 | 第44-48页 |
| ·改进的 BP 算法 | 第48-50页 |
| ·BP 网络学习参数的选取 | 第50-51页 |
| ·神经网络故障诊断专家系统结构 | 第51-52页 |
| ·神经网络故障诊断专家系统知识库的组建 | 第52-54页 |
| ·神经网络故障诊断专家系统推理机制 | 第54-56页 |
| ·神经网络故障诊断专家系统的解释机制 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 5 基于WEB 远程故障诊断系统总体设计与实现 | 第58-80页 |
| ·远程故障诊断系统的框架设计 | 第58-59页 |
| ·远程诊断系统的模式设计 | 第59-62页 |
| ·两层 Client/Server 结构 | 第59-60页 |
| ·三层 Browser/Server 结构 | 第60-62页 |
| ·远程故障诊断系统的软件平台 | 第62-63页 |
| ·服务器端平台选择 | 第62页 |
| ·软件的需求分析和功能模块设计 | 第62-63页 |
| ·WEB 程序关键技术分析与实现 | 第63-75页 |
| ·MATLAB 概述 | 第63-65页 |
| ·C#.net 平台 | 第65-67页 |
| ·故障征兆的传输与存储 | 第67-70页 |
| ·Matlab 中 COM 组件的创建 | 第70-74页 |
| ·C#.net 调用生成的 COM 组件 | 第74-75页 |
| ·远程故障诊断系统的实现与运行结果 | 第75-78页 |
| ·本章小结 | 第78-80页 |
| 6 结论 | 第80-82页 |
| 参考文献 | 第82-85页 |
| 致谢 | 第85-86页 |
| 附录 | 第86页 |
