| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 插图索引 | 第10-11页 |
| 插表索引 | 第11-12页 |
| 第1章 绪论 | 第12-20页 |
| ·选题背景与研究意义 | 第12-13页 |
| ·国内外相关研究发展及现状 | 第13-18页 |
| ·设备状态检测 | 第14页 |
| ·设备状态评估 | 第14-15页 |
| ·重大设备寿命预测 | 第15页 |
| ·国外研究现状综述 | 第15页 |
| ·国内研究现状综述 | 第15-18页 |
| ·矿山设备的研究意义 | 第18-19页 |
| ·问题的提出和本文的主要工作 | 第19-20页 |
| ·问题的提出 | 第19页 |
| ·本文的主要工作 | 第19-20页 |
| 第2章 机械设备剩余寿命预测的理论与方法 | 第20-32页 |
| ·机械设备故障的发生规律 | 第20-24页 |
| ·机械设备的寿命特性曲线 | 第20-21页 |
| ·机械全寿命周期特性曲线 | 第21-22页 |
| ·机械设备状态的演交 | 第22-24页 |
| ·机械设备剩余寿命分析与预测的方法 | 第24-28页 |
| ·故障信息检测 | 第25-26页 |
| ·信号特征提取 | 第26页 |
| ·状态识别 | 第26-27页 |
| ·诊断决策趋势分析 | 第27-28页 |
| ·机械设备剩余寿命分析与预测常用技术 | 第28-32页 |
| ·基于振动信号的故障特征分析技术 | 第28-30页 |
| ·模式识别诊断预测方法 | 第30页 |
| ·以神经网络、专家系统为代表的智能诊断和预测技术 | 第30-32页 |
| 第3章 BP神经网络及其改进 | 第32-42页 |
| ·人工神经网络 | 第32页 |
| ·BP神经网络 | 第32-38页 |
| ·BP网络结构 | 第33页 |
| ·BP网络的基本学习算法 | 第33-36页 |
| ·BP网络神经元节点的修正 | 第36-37页 |
| ·BP网络的设计过程 | 第37-38页 |
| ·BP算法的改进 | 第38-42页 |
| ·BP算法的启发式改进 | 第39-40页 |
| ·数值优化技术 | 第40-42页 |
| 第4章 矿井提升机概述及主轴装置模态分析 | 第42-50页 |
| ·矿井提升机的类型 | 第42-43页 |
| ·多绳摩擦式提升机的工作原理和优点 | 第43-44页 |
| ·多绳摩擦式提升机的工作原理 | 第43页 |
| ·多绳摩擦式提升机的优点 | 第43-44页 |
| ·提升机主轴装置模态分析方法 | 第44-49页 |
| ·JKM-4.5×6型提升机相关资料 | 第44-45页 |
| ·建立主轴装置几何模型的方法 | 第45-47页 |
| ·主轴装置的振动分析 | 第47-49页 |
| ·矿井提升机主轴装置监测的内容 | 第49-50页 |
| 第5章 基于BP神经网络的提升机主轴寿命预测系统 | 第50-62页 |
| ·寿命预测算法 | 第50-53页 |
| ·神经网络应用于寿命预测 | 第50-51页 |
| ·BP神经网络应用于寿命预测 | 第51页 |
| ·预测算法的实现 | 第51-52页 |
| ·Borland C++ Builder与Matlab的混合编程的实现 | 第52-53页 |
| ·提升机寿命预测系统模块的设计与实现 | 第53-59页 |
| ·输入/输出层的设计 | 第54页 |
| ·初始权值的选取 | 第54-55页 |
| ·网络传递函数的选择 | 第55-56页 |
| ·神经网络隐含层的设计 | 第56-58页 |
| ·学习速率的确定 | 第58页 |
| ·网络收敛极小值的确定 | 第58-59页 |
| ·寿命预测算法的编程实现 | 第59-62页 |
| ·BP神经网络的训练 | 第59-60页 |
| ·BP神经网络寿命预测 | 第60-62页 |
| 第6章 结论与展望 | 第62-64页 |
| ·本文的主要工作和结论 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第68页 |