基于DSP的智能磨音测量仪的研制
摘要 | 第3-4页 |
Abstract | 第4-5页 |
注释表 | 第13-14页 |
第1章 绪论 | 第14-20页 |
1.1 课题研究的背景及意义 | 第14-15页 |
1.2 球磨机负荷监测方法的国内外研究现状 | 第15-17页 |
1.3 球磨机负荷研究发展趋势 | 第17-18页 |
1.4 课题研究内容 | 第18-19页 |
1.5 论文的组织结构 | 第19-20页 |
第2章 磨音测量仪总体方案设计 | 第20-31页 |
2.1 球磨机概述 | 第20-24页 |
2.1.1 粉磨系统中的球磨机 | 第20-21页 |
2.1.2 球磨机基本结构与磨机负荷分析 | 第21-22页 |
2.1.3 常见故障与预防方法 | 第22-24页 |
2.1.4 球磨机负荷监测系统组成 | 第24页 |
2.2 磨音测量仪总体方案的设计 | 第24-28页 |
2.2.1 安装位置设计 | 第24-25页 |
2.2.2 性能指标 | 第25-26页 |
2.2.3 功能需求设计 | 第26-27页 |
2.2.4 外观设计要求 | 第27-28页 |
2.2.5 磨音测量仪总体框图 | 第28页 |
2.3 开发设计平台与主处理器选型 | 第28-29页 |
2.4 本章小结 | 第29-31页 |
第3章 磨音信号的分析与处理方法 | 第31-46页 |
3.1 磨音监测原理分析 | 第31-33页 |
3.2 磨音信号分析与处理 | 第33-36页 |
3.2.1 磨音信号频谱分析 | 第33-34页 |
3.2.2 磨音信号选频分析 | 第34-36页 |
3.2.3 磨音信号声强计算 | 第36页 |
3.3 磨音信号的滤波处理 | 第36-40页 |
3.3.1 遗传算法频率抽样法 | 第36-38页 |
3.3.2 频谱动态窗 | 第38-40页 |
3.4 磨音信号特征提取 | 第40-41页 |
3.5 基于神经网络的负荷计算方法 | 第41-45页 |
3.5.1 神经网络模型简介 | 第41-42页 |
3.5.2 神经网络训练 | 第42-43页 |
3.5.3 仿真误差分析 | 第43-45页 |
3.6 本章小结 | 第45-46页 |
第4章 磨音测量仪硬件设计 | 第46-59页 |
4.1 硬件系统组成 | 第46-47页 |
4.2 TMS320F28335处理器简介 | 第47-49页 |
4.2.1 多通道缓存串口 | 第47页 |
4.2.2 DMA传输 | 第47-48页 |
4.2.3 IIC总线简介 | 第48-49页 |
4.3 TMS320F28335最小系统的设计 | 第49-50页 |
4.3.1 复位电路 | 第49页 |
4.3.2 电源电路 | 第49-50页 |
4.3.3 时钟电路 | 第50页 |
4.4 音频信号采集模块 | 第50-53页 |
4.5 电压输出模块 | 第53-56页 |
4.6 人机交互模块 | 第56-57页 |
4.7 硬件整体实物图 | 第57-58页 |
4.8 本章小结 | 第58-59页 |
第5章 智能磨音测量仪软件设计 | 第59-70页 |
5.1 磨音测量仪软件设计概括 | 第59-60页 |
5.2 系统初始化程序 | 第60-61页 |
5.3 前端信号采集程序设计 | 第61-63页 |
5.4 神经网络程序详细设计 | 第63-64页 |
5.5 屏幕显示 | 第64-66页 |
5.6 显示界面程序设计 | 第66页 |
5.7 Boot Loader程序设计 | 第66-69页 |
5.8 本章小结 | 第69-70页 |
第6章 磨音测量仪应用测试 | 第70-81页 |
6.1 测试环境介绍 | 第70-72页 |
6.1.1 实验室测试环境 | 第70-71页 |
6.1.2 工业测试环境 | 第71-72页 |
6.2 实验室条件下功能模块测试 | 第72-77页 |
6.2.1 数据采集测试及FFT测试 | 第72-74页 |
6.2.2 FIR滤波器测试 | 第74-75页 |
6.2.3 通信测试 | 第75页 |
6.2.4 网络模型测试 | 第75-77页 |
6.3 工业现场工作效果分析 | 第77-80页 |
6.4 本章小结 | 第80-81页 |
第7章 总结与展望 | 第81-84页 |
7.1 总结 | 第81-82页 |
7.2 后期工作展望 | 第82-84页 |
参考文献 | 第84-88页 |
附录A 主要电路设计与印刷电路板 | 第88-90页 |
附录B 实验详细数据 | 第90-91页 |
致谢 | 第91-92页 |
攻读硕士学位期间从事的科研工作及取得的成果 | 第92页 |