| 摘要 | 第1-8页 |
| Abstract | 第8-22页 |
| 第一章 绪论 | 第22-35页 |
| ·课题来源及研究目的与意义 | 第22-23页 |
| ·国内外相关研究和应用综述 | 第23-32页 |
| ·故障自愈的研究 | 第23-25页 |
| ·转子自动平衡的研究 | 第25-28页 |
| ·平衡头设计 | 第25-26页 |
| ·平衡算法 | 第26-27页 |
| ·振动信号处理 | 第27-28页 |
| ·PC/104嵌入式系统 | 第28-29页 |
| ·PC/104协议历史 | 第28页 |
| ·PC/104总线特点 | 第28-29页 |
| ·非线性系统的控制 | 第29-30页 |
| ·自适应滤波器及算法 | 第30-31页 |
| ·机械故障诊断推理 | 第31-32页 |
| ·知识的粗糙集约简 | 第31页 |
| ·知识的规则化处理 | 第31-32页 |
| ·研究内容和研究方法 | 第32-34页 |
| ·研究内容 | 第32-33页 |
| ·研究方法 | 第33-34页 |
| ·研究目标和研究意义 | 第34页 |
| ·研究目标 | 第34页 |
| ·研究意义 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第二章 开放型嵌入式转子自动平衡控制系统 | 第35-46页 |
| ·平衡执行器 | 第35-36页 |
| ·平衡控制系统 | 第36-39页 |
| ·封闭式平衡控制系统 | 第37页 |
| ·开放式平衡控制系统 | 第37-38页 |
| ·嵌入式平衡控制器 | 第38-39页 |
| ·PC/104开放型嵌入式自动平衡控制器 | 第39-45页 |
| ·PC/104体系结构 | 第39-41页 |
| ·PC/104产生的背景 | 第39-40页 |
| ·PC/104标准的特点 | 第40-41页 |
| ·PC/104开放型嵌入式自动平衡控制系统 | 第41-45页 |
| ·硬件结构 | 第41-44页 |
| ·软件结构 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第三章 自动平衡控制算法:迭代学习控制 | 第46-58页 |
| ·迭代学习控制技术及发展概况 | 第46-48页 |
| ·迭代学习控制技术发展概况 | 第46-48页 |
| ·迭代学习控制的研究内容 | 第48页 |
| ·迭代学习控制 | 第48-50页 |
| ·迭代学习控制基本描述 | 第48-49页 |
| ·开、闭环迭代学习控制算法 | 第49-50页 |
| ·迭代学习律及其收敛性 | 第50-51页 |
| ·P型学习律 | 第50页 |
| ·非线性时滞系统学习律 | 第50-51页 |
| ·迭代学习鲁棒性 | 第51-52页 |
| ·鲁棒收敛性 | 第51-52页 |
| ·P型学习律控制鲁棒性 | 第52页 |
| ·学习速度 | 第52-53页 |
| ·P型学习律初值问题 | 第53页 |
| ·基于向量分析的迭代学习控制 | 第53-57页 |
| ·向量图分析及其算法结构 | 第54-56页 |
| ·新算法的收敛性证明及鲁棒性分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 转子建模与自动平衡控制仿真 | 第58-81页 |
| ·转子自动平衡控制系统框图 | 第58-59页 |
| ·转子自动平衡系统之一阶纯滞后模型(FOPTD模型) | 第59-67页 |
| ·Cohen-Coon法整定标准增量PI控制算法 | 第60-61页 |
| ·迭代学习自动平衡控制算法 | 第61页 |
| ·振动平衡控制算法数值仿真对比(FOPTD模型) | 第61-67页 |
| ·工作设定点迁移 | 第61-62页 |
| ·典型干扰 | 第62-67页 |
| ·FOPTD模型控制仿真小结 | 第67页 |
| ·超重力机转子模型 | 第67-81页 |
| ·超重力机 | 第68页 |
| ·超重力机转子模型的建立 | 第68-75页 |
| ·数学模型的建立 | 第68-71页 |
| ·模型参数设置 | 第71-72页 |
| ·超重力机转子自动平衡控制仿真 | 第72-75页 |
| ·超重力机模型仿真小结 | 第75页 |
| ·超重力机实验台实时控制测试 | 第75-81页 |
| ·刚性转子单平面动平衡算法 | 第75-76页 |
| ·超重力机实验台影响系数的测量 | 第76-78页 |
| ·超重力机实验台闭环控制实验 | 第78-81页 |
| 第五章 可自由旋转的双盘电磁型转子自动平衡系统 | 第81-93页 |
| ·双盘电磁型自动平衡系统 | 第82-84页 |
| ·动环结构 | 第83页 |
| ·平衡盘的平衡原理 | 第83-84页 |
| ·平衡盘的定位与转动 | 第84-92页 |
| ·平衡盘定位 | 第86页 |
| ·平衡盘转动方式 | 第86-88页 |
| ·平衡盘移动仿真 | 第88-92页 |
| ·本章小结 | 第92-93页 |
| 第六章 自动平衡中振动信号的时域自适应处理 | 第93-111页 |
| ·自适应滤波的基本概念 | 第94-95页 |
| ·LMS算法 | 第95-96页 |
| ·基于几何分析的自适应滤波算法 | 第96-109页 |
| ·LMS算法向量分析 | 第97-98页 |
| ·向量LMS算法中参数设置研究 | 第98-101页 |
| ·迭代步长μ | 第98-99页 |
| ·滑动因子α与β | 第99-101页 |
| ·LMS算法性能对比研究 | 第101-107页 |
| ·噪声测试 | 第101-103页 |
| ·信号突变测试 | 第103-107页 |
| ·实际信号处理 | 第107-109页 |
| ·振动信号预处理 | 第109-110页 |
| ·消除多项式趋势项 | 第109-110页 |
| ·本章小结 | 第110-111页 |
| 第七章 用于转子自动平衡的故障自动诊断系统 | 第111-125页 |
| ·基于蚁群算法的转子故障快速聚类 | 第112-119页 |
| ·蚁群算法的仿生原理 | 第112-114页 |
| ·基本蚁群算法 | 第114页 |
| ·利用蚁群算法快速聚类转子故障 | 第114-117页 |
| ·"饵料"诱导 | 第114-115页 |
| ·重要度因子与难易度因子 | 第115-116页 |
| ·带评估和诱导因子的蚁群算法 | 第116-117页 |
| ·基于蚁群算法的涡轮机械故障聚类实验 | 第117-119页 |
| ·面向嵌入式应用的自动推理模型 | 第119-124页 |
| ·知识的粗糙集约简 | 第119-121页 |
| ·规则化处理 | 第121-123页 |
| ·自动推理部分 | 第121-122页 |
| ·不可自动推理部分 | 第122页 |
| ·模糊化处理 | 第122-123页 |
| ·旋转设备自动故障诊断系统 | 第123-124页 |
| ·本章小结 | 第124-125页 |
| 第八章 结论与展望 | 第125-128页 |
| ·论文的创新与研究成果 | 第125-127页 |
| ·未来研究的发展方向 | 第127-128页 |
| 参考文献 | 第128-136页 |
| 致谢 | 第136-137页 |
| 研究成果及发表的学术论文 | 第137-138页 |
| 作者简介 | 第138页 |
| 导师简介 | 第138-140页 |
| 北京化工大学 博士研究生学位论文答辩委员会决议书 | 第140-142页 |