| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第1章 绪论 | 第14-31页 |
| ·课题的重要性、特点、现状和研究意义 | 第14-18页 |
| ·板带轧机在钢铁工业中的重要性 | 第14页 |
| ·轧机液压AGC系统的功用及特点 | 第14-15页 |
| ·轧机液压AGC的发展现状 | 第15-17页 |
| ·立题意义 | 第17-18页 |
| ·液压测试技术的现状与发展趋势 | 第18-22页 |
| ·液压系统故障诊断技术的历史、现状与发展趋势 | 第22-28页 |
| ·设备故障监测与诊断技术的发展 | 第22-23页 |
| ·液压故障诊断的发展 | 第23-28页 |
| ·轧机液压AGC系统故障诊断技术研究现状 | 第28-29页 |
| ·本论文主要研究内容 | 第29-31页 |
| 第2章 液压AGC故障诊断系统与系统框架 | 第31-48页 |
| ·液压AGC系统的控制原理及组成 | 第31-33页 |
| ·液压AGC系统控制原理 | 第31-32页 |
| ·液压伺服系统的组成与原理 | 第32-33页 |
| ·液压AGC系统故障分类与机理研究 | 第33-39页 |
| ·稳定型故障 | 第34-35页 |
| ·响应速度型故障 | 第35-36页 |
| ·精度型故障 | 第36页 |
| ·元件失灵或失效型故障 | 第36-39页 |
| ·轧机液压AGC系统故障诊断策略研究 | 第39-45页 |
| ·液压AGC系统故障诊断总体方案 | 第41-42页 |
| ·多种知识表示方法相结合的诊断策略 | 第42-43页 |
| ·经验知识和原理知识紧密结合的诊断策略 | 第43页 |
| ·专家系统与遗传神经网络相混合的诊断策略 | 第43-44页 |
| ·数据库技术和人工智能技术相互渗透的诊断策略 | 第44-45页 |
| ·液压AGC故障诊断系统框架 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第3章 轧机液压AGC综合测试系统研究 | 第48-88页 |
| ·引言 | 第48-49页 |
| ·主要测试内容 | 第49-51页 |
| ·液压AGC综合测试系统总体框架、试验方法及评价标准 | 第51-53页 |
| ·总体框架 | 第51页 |
| ·试验方法及评价标准 | 第51-53页 |
| ·综合测试液压系统总体设计 | 第53-57页 |
| ·泵组 | 第53-54页 |
| ·低增益闭环电液力伺服系统 | 第54页 |
| ·闭环电液位置伺服系统 | 第54-55页 |
| ·电液伺服阀试验系统 | 第55-56页 |
| ·试验机架及对顶加载系统 | 第56-57页 |
| ·综合测试系统关键技术研究 | 第57-86页 |
| ·温度控制系统研究 | 第57-62页 |
| ·AGC伺服油缸摩擦力测试系统研究 | 第62-68页 |
| ·轧机伺服油缸的现场原型动态测试技术 | 第68-81页 |
| ·基于脉冲量输出的电液伺服阀测试系统 | 第81-86页 |
| ·本章小结 | 第86-88页 |
| 第4章 轧机液压AGC在线监测系统 | 第88-117页 |
| ·轧机液压AGC在线监测系统的目的与要求 | 第88-90页 |
| ·液压AGC在线监测系统的组成 | 第90-92页 |
| ·硬件系统 | 第90-92页 |
| ·软件系统 | 第92页 |
| ·液压AGC系统的在线监测参量及曲线 | 第92-94页 |
| ·特征参量信号处理技术 | 第94-107页 |
| ·液压AGC系统动态特性谱分析法 | 第96-100页 |
| ·基于小波分析的故障特征信号提取技术 | 第100-107页 |
| ·基于WinCC的液压AGC在线监控系统研究 | 第107-116页 |
| ·组态软件WinCC概述 | 第107页 |
| ·WinCC的主要控制模块 | 第107-109页 |
| ·监测画面 | 第109-116页 |
| ·本章小结 | 第116-117页 |
| 第5章 液压AGC系统故障仿真研究 | 第117-135页 |
| ·液压AGC系统故障仿真的重要性 | 第117页 |
| ·液压仿真技术及其软件发展 | 第117-120页 |
| ·液压故障仿真建模方法 | 第120-121页 |
| ·基于组件的液压AGC系统的故障仿真 | 第121-134页 |
| ·液压AGC故障仿真平台选择 | 第121-122页 |
| ·故障仿真组件技术 | 第122-125页 |
| ·电液伺服阀的故障仿真 | 第125-130页 |
| ·液压AGC系统的故障仿真 | 第130-134页 |
| ·本章小结 | 第134-135页 |
| 第6章 基于遗传神经网络的故障智能诊断方法及应用研究 | 第135-163页 |
| ·引言 | 第135页 |
| ·液压系统故障智能诊断技术方法研究 | 第135-137页 |
| ·液压故障遗传神经网络诊断模型 | 第137-146页 |
| ·遗传算法概述 | 第137-138页 |
| ·遗传算法的基本原理和实现步骤 | 第138-140页 |
| ·BP神经网络与遗传算法的结合 | 第140-141页 |
| ·遗传神经网络模型的建立 | 第141-146页 |
| ·液压AGC智能故障诊断系统软件平台 | 第146-148页 |
| ·知识库的设计 | 第148-152页 |
| ·知识的获取 | 第148-151页 |
| ·知识库中知识的表示方法 | 第151-152页 |
| ·规则库的建立 | 第152页 |
| ·推理机的构造 | 第152-155页 |
| ·解释机制的设计 | 第155-156页 |
| ·系统实现过程中几个关键问题的研究 | 第156-158页 |
| ·遗传神经网络的训练与故障模式识别结果 | 第158-162页 |
| ·本章小结 | 第162-163页 |
| 第7章 总结与展望 | 第163-165页 |
| ·全文总结 | 第163页 |
| ·工作展望 | 第163-165页 |
| 参考文献 | 第165-172页 |
| 致谢 | 第172-173页 |
| 攻读博士学位期间的发表的论文及科研成果 | 第173-174页 |
| 一、攻博期间发表的主要论文 | 第173-174页 |
| 二、攻博期间取得的科研成果 | 第174页 |
| 三、攻博期间承担的主要科研项目 | 第174页 |