集成神经网络在旋转机械故障诊断中的应用
| 1 绪论 | 第1-14页 |
| ·旋转机械故障诊断的历史、现状及发展 | 第7-10页 |
| ·神经网络技术在设备故障诊断中的发展状况 | 第10-11页 |
| ·集成神经网络在旋转机械故障诊断中的应用前景 | 第11-13页 |
| ·本课题的主要研究内容 | 第13-14页 |
| 2 旋转机械主要故障机理分析 | 第14-41页 |
| ·旋转机械故障的来源及主要原因 | 第14-15页 |
| ·在设计和制造中引起的故障 | 第14页 |
| ·由于安装维修不当引起的故障 | 第14页 |
| ·运行操作不当引起的故障 | 第14-15页 |
| ·由于机器劣化造成的故障 | 第15页 |
| ·旋转机械的振动基本特性 | 第15-25页 |
| ·转子涡动 | 第15-17页 |
| ·临界转速 | 第17-23页 |
| ·非线性振动特征及识别方法 | 第23-25页 |
| ·几种常见故障的故障机理分析 | 第25-41页 |
| ·转子不平衡 | 第25-28页 |
| ·不对中 | 第28-35页 |
| ·转子支承系统联接松动 | 第35-38页 |
| ·转子与静止件摩擦(碰摩) | 第38-41页 |
| 3 集成神经网络的建模 | 第41-58页 |
| ·神经网络的基本知识 | 第41-44页 |
| ·人工神经网络的特点 | 第41-44页 |
| ·子神经网络的选择 | 第44-51页 |
| ·子神经网络模型的确定 | 第44-47页 |
| ·BP算法及其改进 | 第47-50页 |
| ·BP网络结构的确定 | 第50-51页 |
| ·集成神经网络的建模 | 第51-58页 |
| ·振动子网络 | 第53-54页 |
| ·磨损类故障子网络 | 第54-56页 |
| ·集成神经网络的形式 | 第56-58页 |
| 4 故障数据采集与频谱分析 | 第58-71页 |
| ·空压机组故障数据采集与频谱分析 | 第58-63页 |
| ·P1101B机组故障数据采集与频谱分析 | 第63-66页 |
| ·17203#空压机组故障数据采集与频谱分析 | 第66-71页 |
| 5 集成神经网络故障诊断 | 第71-77页 |
| ·空压机组故障诊断 | 第71-73页 |
| ·P1101B机组故障诊断 | 第73-74页 |
| ·17203#空压机组故障诊断 | 第74-77页 |
| 6 结论 | 第77-79页 |
| ·结论 | 第77页 |
| ·展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 本人攻读学位期间发表的论文 | 第80-81页 |
| 参考文献 | 第81-85页 |
