| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 课题研究背景 | 第11-13页 |
| 1.1.1 风力发电现状 | 第11-12页 |
| 1.1.2 风力发电机组轴承常见故障 | 第12-13页 |
| 1.2 声发射检测技术在风机轴承故障诊断中的应用研究现状 | 第13-17页 |
| 1.2.1 风机轴承常见故障信号检测方法 | 第13-14页 |
| 1.2.2 国内外声发射检测技术发展历程 | 第14页 |
| 1.2.3 国内外轴承故障诊断技术研究现状 | 第14-16页 |
| 1.2.4 国内外常用声发射信号检测设备 | 第16-17页 |
| 1.3 光栅测量技术现状 | 第17-24页 |
| 1.3.1 光栅测量技术研究现状 | 第17页 |
| 1.3.2 光栅测量技术常见应用场合 | 第17页 |
| 1.3.3 光栅莫尔条纹细分研究现状 | 第17-18页 |
| 1.3.4 光栅莫尔条纹常见细分方法 | 第18-23页 |
| 1.3.5 莫尔条纹信号细分方法比较与选择 | 第23-24页 |
| 1.4 课题研究内容 | 第24页 |
| 1.5 课题研究目的和意义 | 第24-25页 |
| 第2章 光栅应用于轴承声发射信号测量的基本原理 | 第25-38页 |
| 2.1 声发射信号检测技术 | 第25-30页 |
| 2.1.1 声发射 | 第25页 |
| 2.1.2 声发射源 | 第25-26页 |
| 2.1.3 声发射信号频率、幅值、位移幅度特性 | 第26页 |
| 2.1.4 声发射信号传播特性 | 第26-27页 |
| 2.1.5 声发射检测技术 | 第27页 |
| 2.1.6 声发射信号特征参数 | 第27-29页 |
| 2.1.7 声发射信号模型 | 第29-30页 |
| 2.2 滚动轴承声发射信号特征及模型建立 | 第30-32页 |
| 2.2.1 滚动轴承结构 | 第30-31页 |
| 2.2.2 滚动轴承故障及故障频率 | 第31-32页 |
| 2.2.3 滚动轴承故障声发射信号模型 | 第32页 |
| 2.3 光栅测量技术 | 第32-35页 |
| 2.3.1 莫尔条纹测距原理 | 第32-33页 |
| 2.3.2 理想莫尔条纹信号模型 | 第33-34页 |
| 2.3.3 实际莫尔条纹信号模型 | 第34页 |
| 2.3.4 莫尔条纹信号辨向 | 第34-35页 |
| 2.4 光栅传感器结构 | 第35-37页 |
| 2.4.1 光栅传感器结构 | 第35-36页 |
| 2.4.2 光栅传感器采集信号原理 | 第36页 |
| 2.4.3 光栅传感器安装位置 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 莫尔条纹信号细分 | 第38-69页 |
| 3.1 莫尔条纹信号质量影响因素 | 第38页 |
| 3.1.1 信号含噪声 | 第38页 |
| 3.1.2 信号含直流电平残差 | 第38页 |
| 3.1.3 信号非等幅 | 第38页 |
| 3.1.4 信号非正交 | 第38页 |
| 3.2 莫尔条纹信号补偿 | 第38-44页 |
| 3.2.1 信号含直流电平残差补偿 | 第38-40页 |
| 3.2.2 信号非等幅补偿 | 第40-41页 |
| 3.2.3 信号非正交补偿 | 第41-43页 |
| 3.2.4 信号综合补偿 | 第43-44页 |
| 3.3 BP神经网络莫尔条纹信号细分方法 | 第44-56页 |
| 3.3.1 BP神经网络细分原理 | 第44-47页 |
| 3.3.2 BP神经网络模型设计 | 第47-53页 |
| 3.3.3 BP神经网络训练和结果 | 第53-56页 |
| 3.4 RBF神经网络莫尔条纹信号细分方法 | 第56-58页 |
| 3.4.1 RBF神经网络 | 第56页 |
| 3.4.2 RBF神经网络莫尔条纹信号细分 | 第56-58页 |
| 3.5 改进BP神经网络莫尔条纹信号细分方法 | 第58-62页 |
| 3.5.1 BP神经网络算法公式推导 | 第58-61页 |
| 3.5.2 基于改进L-M的BP神经网络细分方法 | 第61-62页 |
| 3.6 莫尔条纹信号细分方法对比 | 第62-63页 |
| 3.7 莫尔条纹信号辨向 | 第63-68页 |
| 3.8 本章小结 | 第68-69页 |
| 第4章 基于小波神经网络的轴承故障诊断研究 | 第69-85页 |
| 4.1 小波神经网络故障诊断 | 第69-78页 |
| 4.1.1 BP神经网络故障诊断 | 第69-70页 |
| 4.1.2 小波变换 | 第70-71页 |
| 4.1.3 小波阈值降噪 | 第71-76页 |
| 4.1.4 基于小波神经网络的轴承故障诊断 | 第76-78页 |
| 4.2 智能小波神经网络故障诊断 | 第78-84页 |
| 4.2.1 智能小波阈值降噪 | 第78-82页 |
| 4.2.2 基于智能小波神经网络的轴承故障诊断 | 第82-84页 |
| 4.3 本章小结 | 第84-85页 |
| 第5章 轴承故障诊断系统 | 第85-94页 |
| 5.1 滚动轴承声发射信号检测系统结构 | 第85页 |
| 5.2 系统硬件设计 | 第85-86页 |
| 5.2.1 处理器选择 | 第85页 |
| 5.2.2 ADC数据采集器选择 | 第85-86页 |
| 5.3 系统软件设计 | 第86-89页 |
| 5.3.1 主程序流程图 | 第86页 |
| 5.3.2 数据采集流程图 | 第86-87页 |
| 5.3.3 LCD显示流程图 | 第87-88页 |
| 5.3.4 网络通信流程图 | 第88-89页 |
| 5.4 系统电路图 | 第89-93页 |
| 5.4.1 AD9467芯片电路图 | 第89页 |
| 5.4.2 电源转换电路图 | 第89-90页 |
| 5.4.3 时钟选择电路图 | 第90-91页 |
| 5.4.4 LCD显示屏电路 | 第91-92页 |
| 5.4.5 SD储存卡电路 | 第92页 |
| 5.4.6 程序下载接口电路 | 第92页 |
| 5.4.7 声光报警电路 | 第92-93页 |
| 5.4.8 以太网电路 | 第93页 |
| 5.5 本章小结 | 第93-94页 |
| 第6章 实验与分析 | 第94-99页 |
| 6.1 实验装置 | 第94页 |
| 6.2 莫尔条纹信号细分实验 | 第94-98页 |
| 6.2.1 实验方法 | 第94页 |
| 6.2.2 单向移动光栅传感器的莫尔条纹信号细分 | 第94-96页 |
| 6.2.3 双方向移动光栅传感器的莫尔条纹信号细分 | 第96-98页 |
| 6.3 本章小结 | 第98-99页 |
| 第7章 结论 | 第99-101页 |
| 参考文献 | 第101-105页 |
| 在学研究成果 | 第105-106页 |
| 致谢 | 第106页 |