| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 引言 | 第9页 |
| 1.2 烧结风机故障诊断的研究背景及意义 | 第9-10页 |
| 1.3 机械设备故障诊断研究现状 | 第10-13页 |
| 1.3.1 机械设备故障诊断国外研究现状 | 第10-11页 |
| 1.3.2 机械设备故障诊断国内研究现状 | 第11-13页 |
| 1.4 诊断方法概述 | 第13-15页 |
| 1.4.1 信号处理方法 | 第13-14页 |
| 1.4.2 故障诊断方法 | 第14-15页 |
| 1.5 课题来源与主要研究内容 | 第15-17页 |
| 第2章 风机故障及信号采集 | 第17-29页 |
| 2.1 风机构成 | 第17页 |
| 2.2 风机故障类型及特征 | 第17-22页 |
| 2.3 风机振动信号采集系统 | 第22-26页 |
| 2.3.1 传感器与振动采集仪 | 第23-24页 |
| 2.3.2 测点布置 | 第24-25页 |
| 2.3.3 上位机 | 第25-26页 |
| 2.3.4 数据采集 | 第26页 |
| 2.4 故障诊断思路 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于小波包变换的振动信号特征量提取 | 第29-49页 |
| 3.1 小波分析理论 | 第29-33页 |
| 3.1.1 小波变换 | 第29-30页 |
| 3.1.2 连续小波变换 | 第30-31页 |
| 3.1.3 离散小波变换 | 第31页 |
| 3.1.4 多分辨率分析 | 第31-32页 |
| 3.1.5 小波包变换 | 第32-33页 |
| 3.2 小波基函数选取 | 第33-39页 |
| 3.2.1 小波基类型 | 第33-38页 |
| 3.2.2 小波基函数选取 | 第38-39页 |
| 3.3 信号分解与重构 | 第39-40页 |
| 3.4 故障信号提取步骤 | 第40页 |
| 3.5 实例分析 | 第40-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于极限学习机的风机故障诊断 | 第49-64页 |
| 4.1 极限学习机理论 | 第49-56页 |
| 4.1.1 单隐层前馈神经网络 | 第49-51页 |
| 4.1.2 极限学习机 | 第51-54页 |
| 4.1.3 在线连续极限学习机 | 第54-56页 |
| 4.2 网络参数确定 | 第56-59页 |
| 4.3 诊断流程 | 第59页 |
| 4.4 仿真分析 | 第59-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 烧结风机故障诊断GUI设计 | 第64-69页 |
| 5.1 故障诊断系统的功能 | 第64-65页 |
| 5.2 系统设计 | 第65-68页 |
| 5.2.1 实现流程 | 第65页 |
| 5.2.2 系统界面设计 | 第65-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第6章 结论与展望 | 第69-71页 |
| 6.1 结论 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 个人简历、攻读硕士学位期间发表的学术论文及研究成果 | 第76页 |