旋转机械故障诊断及预测方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究目的及意义 | 第8页 |
| ·故障诊断方法研究现状 | 第8-10页 |
| ·故障预测方法研究现状 | 第10-12页 |
| ·主要研究内容及创新点 | 第12-14页 |
| 第2章 旋转机械振动信号特征参数提取方法 | 第14-26页 |
| ·旋转机械振动信号采集 | 第14-16页 |
| ·试验台搭建及采集系统建立 | 第14-15页 |
| ·转子故障振动信号采集 | 第15-16页 |
| ·基于小波包分析的振动信号特征参数提取方法 | 第16-23页 |
| ·轴承实验数据来源 | 第16-17页 |
| ·小波及小波包分析原理 | 第17-18页 |
| ·振动信号的小波阈值去噪 | 第18-20页 |
| ·小波包能量特征提取算法 | 第20页 |
| ·实测振动信号研究与分析 | 第20-23页 |
| ·基于样本熵分析的振动信号特征参数提取方法 | 第23-24页 |
| ·样本熵算法 | 第23-24页 |
| ·实测振动信号研究与分析 | 第24页 |
| ·小波包样本熵振动信号特征参数提取方法 | 第24-25页 |
| ·特征提取方法 | 第24-25页 |
| ·实测振动信号研究与分析 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 灰色关联分析和BP网络故障诊断方法 | 第26-39页 |
| ·故障诊断识别方法 | 第26-29页 |
| ·灰色关联度分析故障诊断方法 | 第26-27页 |
| ·BP网络故障诊断方法 | 第27-29页 |
| ·故障特征向量的构建 | 第29-31页 |
| ·小波包能量特征向量的构建 | 第29-31页 |
| ·小波包样本熵特征向量的构建 | 第31页 |
| ·故障诊断方法实现及对比 | 第31-37页 |
| ·小波包能量值灰色关联度分析故障诊断 | 第31-33页 |
| ·小波包样本熵灰色关联度分析故障诊断 | 第33页 |
| ·小波包能量值BP网络故障诊断 | 第33-35页 |
| ·小波包样本熵BP网络故障诊断 | 第35-37页 |
| ·四种故障诊断方法对比 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第4章 基于GM(1,1)灰色模型的状态预测方法 | 第39-52页 |
| ·灰色系统理论 | 第39页 |
| ·灰色预测建模原理 | 第39-41页 |
| ·基于GM(1,1)灰色模型的振动状态预测实现 | 第41-48页 |
| ·上升趋势振动幅度预测实现 | 第41-44页 |
| ·平稳随机波动趋势振动幅度预测实现 | 第44-45页 |
| ·综合增长趋势振动幅度预测实现 | 第45-48页 |
| ·基于BP网络的轴承故障预测及实现 | 第48-51页 |
| ·预测特征信息提取 | 第48页 |
| ·正常状态与故障状态的阈值设定 | 第48-50页 |
| ·BP网络故障预测实现 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 系统实现及测试 | 第52-63页 |
| ·旋转机械故障诊断系统设计 | 第52-54页 |
| ·系统实现 | 第54-58页 |
| ·数据采集及显示 | 第54-55页 |
| ·数据管理与存储 | 第55-56页 |
| ·信号分析 | 第56-57页 |
| ·故障诊断 | 第57-58页 |
| ·轴承振动信号测试分析 | 第58-61页 |
| ·本章小结 | 第61-63页 |
| 第6章 结论与建议 | 第63-65页 |
| ·结论 | 第63-64页 |
| ·建议 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |
