汽车雨刮器故障机理与诊断方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题的提出 | 第11页 |
| ·课题研究的意义 | 第11页 |
| ·机械设备故障诊断的内容 | 第11-12页 |
| ·机械设备故障诊断的发展及现状 | 第12-13页 |
| ·汽车电机故障诊断的发展及现状 | 第13-14页 |
| ·论文研究的目的 | 第14页 |
| ·论文主要内容 | 第14-16页 |
| 第2章 雨刮器故障机理研究 | 第16-63页 |
| ·雨刮器结构及故障类型 | 第16-19页 |
| ·雨刮器的运动部件 | 第17-18页 |
| ·雨刮器的静止部件 | 第18页 |
| ·雨刮器故障类型 | 第18-19页 |
| ·雨刮器动力学特性分析 | 第19-44页 |
| ·实验修正法建立有限元模型 | 第19-20页 |
| ·转子动力学特性分析 | 第20-30页 |
| ·蜗轮动力学特性分析 | 第30-31页 |
| ·滚动轴承动力学特性分析 | 第31-35页 |
| ·减速器壳盖动力学特性分析 | 第35-40页 |
| ·减速器壳体与定子动力学特性分析 | 第40-44页 |
| ·雨刮器故障机理分析 | 第44-61页 |
| ·转子振动过大 | 第44-48页 |
| ·电磁振动过大 | 第48-51页 |
| ·蜗杆蜗轮异响 | 第51-54页 |
| ·滚动轴承异响 | 第54-57页 |
| ·频率调制现象 | 第57-59页 |
| ·故障特征参数的选择 | 第59-61页 |
| ·多种故障共存现象 | 第61页 |
| ·本章小结 | 第61-63页 |
| 第3章 基于神经网络的雨刮器故障诊断方法研究 | 第63-84页 |
| ·机械设备故障诊断的方法 | 第63-64页 |
| ·信号测量 | 第63-64页 |
| ·特征提取 | 第64页 |
| ·建立标准特征库 | 第64页 |
| ·比较识别 | 第64页 |
| ·神经网络识别方法 | 第64-73页 |
| ·人工神经网络 | 第64-65页 |
| ·BP神经网络 | 第65-66页 |
| ·带向量输入的神经元模型 | 第66-67页 |
| ·传递函数 | 第67-69页 |
| ·BP神经网络的结构 | 第69页 |
| ·数据归一化 | 第69-71页 |
| ·神经网络的结构及参数设置原则研究 | 第71-72页 |
| ·神经网络的训练函数及参数设置原则研究 | 第72-73页 |
| ·雨刮器故障样本集的设计 | 第73-81页 |
| ·训练样本集选择原则 | 第73页 |
| ·故障样本集的划分 | 第73-74页 |
| ·特征参数提取 | 第74页 |
| ·输出量的选择与表示 | 第74-76页 |
| ·获得训练样本集的方法研究 | 第76-79页 |
| ·训练样本数量的确定 | 第79-80页 |
| ·训练样本的选择与组织 | 第80页 |
| ·BP神经网络故障诊断的MATLAB实现基本步骤 | 第80-81页 |
| ·基于BP神经网络的雨刮器故障诊断 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第4章 基于神经网络的雨刮器故障诊断系统开发 | 第84-102页 |
| ·系统设计与实现 | 第84-89页 |
| ·软件开发要点 | 第84-85页 |
| ·软件结构 | 第85-86页 |
| ·故障诊断程序 | 第86-88页 |
| ·神经网络训练程序 | 第88页 |
| ·软件设计方案 | 第88-89页 |
| ·软件界面及功能模块 | 第89-98页 |
| ·故障诊断界面 | 第89-94页 |
| ·神经网络训练界面 | 第94-98页 |
| ·软件测试方法 | 第98-99页 |
| ·局部测试 | 第98-99页 |
| ·整体测试 | 第99页 |
| ·软件操作流程 | 第99-100页 |
| ·训练神经网络操作流程 | 第99-100页 |
| ·故障诊断操作流程 | 第100页 |
| ·在线检测流程设计 | 第100-101页 |
| ·信号采集 | 第100页 |
| ·故障诊断的两种方式 | 第100-101页 |
| ·本章小结 | 第101-102页 |
| 结论与展望 | 第102-104页 |
| 1.结论 | 第102-103页 |
| 2.展望 | 第103-104页 |
| 致谢 | 第104-105页 |
| 参考文献 | 第105-109页 |
| 攻读硕士学位期间发表的学术论文 | 第109页 |
