煤矿机械齿轮和轴承故障诊断研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·选题背景及意义 | 第8-9页 |
| ·齿轮与轴承故障诊断技术发展现状 | 第9-10页 |
| ·论文主要内容 | 第10-12页 |
| 2 煤矿机械齿轮和轴承故障诊断基础及信号特征分析 | 第12-24页 |
| ·齿轮故障诊断基础 | 第12-17页 |
| ·齿轮常见故障及原因 | 第12-13页 |
| ·齿轮振动数学模型 | 第13-15页 |
| ·齿轮的啮合刚度 | 第15页 |
| ·齿轮的故障检测频率 | 第15-16页 |
| ·齿轮振动调制效应 | 第16-17页 |
| ·滚动轴承诊断基础 | 第17-20页 |
| ·滚动轴承常见故障及原因 | 第17-18页 |
| ·滚动轴承振动剖析 | 第18-19页 |
| ·轴承故障实例 | 第19-20页 |
| ·齿轮与轴承典型故障信号特征分析 | 第20-23页 |
| ·齿轮无故障状态 | 第21页 |
| ·齿形误差 | 第21-22页 |
| ·齿轮均匀磨损 | 第22页 |
| ·断齿 | 第22-23页 |
| ·滚动轴承疲劳剥落和点蚀 | 第23页 |
| ·本章小结 | 第23-24页 |
| 3 煤矿机械齿轮和轴承故障信号测试与分析方法 | 第24-39页 |
| ·振动信号测试的目的和任务 | 第24页 |
| ·振动信号测试 | 第24-30页 |
| ·齿轮和轴承振动测试的位置 | 第24-25页 |
| ·振动测试的工作过程与步骤 | 第25页 |
| ·基于 STM32 的便携式信号采集系统 | 第25-30页 |
| ·振动信号分析基础 | 第30-38页 |
| ·齿轮箱振动信号的时域分析 | 第31-32页 |
| ·齿轮箱振动信号频域分析 | 第32-36页 |
| ·小波分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 齿轮和轴承故障信号提取与分析 | 第39-59页 |
| ·齿轮和轴承故障模拟试验介绍 | 第39-42页 |
| ·典型故障试验装置简介及主要参数 | 第39-40页 |
| ·典型故障试验方案 | 第40-42页 |
| ·齿轮与轴承典型故障特征频率 | 第42页 |
| ·敏感参数选择与提取 | 第42-45页 |
| ·齿轮箱振动信号时频域特征分析 | 第45-54页 |
| ·直齿正常状态（工况 1） | 第45-46页 |
| ·直齿工况 2 故障诊断 | 第46-47页 |
| ·直齿工况 4 故障诊断 | 第47-48页 |
| ·直齿工况 6 故障诊断 | 第48-50页 |
| ·斜齿工况 5 故障诊断 | 第50-51页 |
| ·滚动轴承故障诊断 | 第51-54页 |
| ·采煤机截割机构摇臂减速箱故障诊断研究 | 第54-58页 |
| ·摇臂减速箱传动示意图及主要技术参数 | 第55-57页 |
| ·数据分析及故障诊断 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 5 神经网络在齿轮箱故障模式识别中的应用 | 第59-68页 |
| ·神经网络与故障模式识别 | 第59-61页 |
| ·常用模式识别方法 | 第59-60页 |
| ·神经网络在故障模式识别中的应用 | 第60-61页 |
| ·齿轮箱故障模式识别神经网络模型结构确定 | 第61-67页 |
| ·神经网络模型确定 | 第61-62页 |
| ·输入层与输出层确定 | 第62页 |
| ·隐含层数和隐含层内节点数确定 | 第62-63页 |
| ·初始权值确定与数据归一化处理 | 第63-64页 |
| ·基于 BP 神经网络齿轮箱故障诊断 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 6 结论与展望 | 第68-69页 |
| ·结论 | 第68页 |
| ·展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 附录 | 第73页 |
