基于LabVIEW的小波神经网络在煤矿通风机故障诊断中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| Contents | 第12-15页 |
| 1 绪论 | 第15-21页 |
| ·立题的背景 | 第15-16页 |
| ·国内外研究现状及存在的问题 | 第16-17页 |
| ·研究的意义 | 第17页 |
| ·煤矿通风机故障诊断系统的发展趋势 | 第17-18页 |
| ·本文研究的目的、内容和技术路线 | 第18-21页 |
| 2 煤矿通风机故障诊断系统整体规划 | 第21-31页 |
| ·通风机故障诊断系统的结构 | 第21-23页 |
| ·系统硬件结构 | 第21-22页 |
| ·故障诊断系统模型简介 | 第22-23页 |
| ·虚拟仪器技术简介 | 第23-29页 |
| ·虚拟仪器的产生 | 第23-24页 |
| ·虚拟仪器简介 | 第24-25页 |
| ·LabVIEW软件简介 | 第25-28页 |
| ·LabVIEW功能扩展 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 3 振动数据采集及系统硬件设计 | 第31-39页 |
| ·振动传感器 | 第32-36页 |
| ·传感器的组成 | 第32页 |
| ·感器的特性 | 第32-33页 |
| ·检测振动信号传感器选型 | 第33-36页 |
| ·数据采集设备 | 第36-37页 |
| ·数据采集设备组成部分 | 第36页 |
| ·NIPCI-6251性能寸旨标 | 第36-37页 |
| ·工控计算机 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于小波技术的特征值提取 | 第39-57页 |
| ·信号分析的方法 | 第39-41页 |
| ·频域分析 | 第39-40页 |
| ·时域分析 | 第40-41页 |
| ·小波分析 | 第41-43页 |
| ·连续的小波变换 | 第41页 |
| ·多尺度小波 | 第41-43页 |
| ·常见通风机故障类型及特征值分析 | 第43-52页 |
| ·特征值的提取 | 第52-55页 |
| ·小波基的选取 | 第52页 |
| ·特征值提取步骤 | 第52-53页 |
| ·不对中故障信号分析与特征提取 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 5 小波神经网络在煤矿通风机故障诊断中的应用 | 第57-71页 |
| ·神经网络的三要素及基本特征 | 第57-58页 |
| ·小波神经网络模型的构建 | 第58-60页 |
| ·神经网络的算法 | 第60-62页 |
| ·优化的BP神经网络算法 | 第62-64页 |
| ·基于小波神经网络的通风机故障诊断实例 | 第64-68页 |
| ·故障征兆表的建立 | 第64-66页 |
| ·故障诊断的实现 | 第66-68页 |
| ·本章小结 | 第68-71页 |
| 6 基于LabVIEW平台的软件系统实现 | 第71-81页 |
| ·密码验证模块 | 第71-72页 |
| ·数据采集卡驱动模块 | 第72-75页 |
| ·数据的存储模块 | 第75-76页 |
| ·小波消噪滤波功能模块 | 第76-77页 |
| ·信号的特征值提取模块 | 第77-78页 |
| ·信号特征值提取模块设计 | 第77页 |
| ·振动信号特征值提取模块演示 | 第77-78页 |
| ·通风机故障诊断及报警模块 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 7 总结 | 第81-85页 |
| ·结论 | 第81-82页 |
| ·展望 | 第82-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-91页 |
| 作者简介及读研期间主要科研成果 | 第91页 |
