基于小波神经网络技术在盾构机故障诊断中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-14页 |
| 1.1 课题研究的目的及意义 | 第10-11页 |
| 1.2 机械故障诊断的技术范畴 | 第11-12页 |
| 1.2.1 信息的采集与处理分析 | 第11页 |
| 1.2.2 故障诊断 | 第11-12页 |
| 1.3 故障诊断国内外研究现状 | 第12-13页 |
| 1.4 小波神经网络技术在故障诊断中的应用 | 第13-14页 |
| 2 盾构机及其典型故障特征 | 第14-22页 |
| 2.1 盾构的含义 | 第14-15页 |
| 2.2 盾构机的分类 | 第15-16页 |
| 2.3 盾构机主驱动的主要组成 | 第16页 |
| 2.4 盾构机主驱动故障分析 | 第16-21页 |
| 2.4.1 盾构机主轴承故障类型与故障特征 | 第17-18页 |
| 2.4.2 盾构机主减速器故障类型与故障特征 | 第18-19页 |
| 2.4.3 盾构机主电机故障类型与故障特征 | 第19-20页 |
| 2.4.4 盾构机液压系统故障类型与故障特征 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 处理分析方法的基本理论 | 第22-37页 |
| 3.1 小波变换技术的基本理论 | 第22-25页 |
| 3.2 BP 神经网络技术 | 第25-31页 |
| 3.2.1 BP 神经网络技术的理论基础 | 第25-31页 |
| 3.2.2 BP 神经网络的特点 | 第31页 |
| 3.3 小波神经网络技术 | 第31-36页 |
| 3.3.1 小波神经网络的简介 | 第31-33页 |
| 3.3.2 小波神经网络的特点 | 第33-34页 |
| 3.3.3 小波神经网络模型与算法 | 第34-36页 |
| 3.4 本章总结 | 第36-37页 |
| 4 盾构机测试系统搭建 | 第37-45页 |
| 4.1 振动信号的采集 | 第37-42页 |
| 4.1.1 PDES 系统结构 | 第37-39页 |
| 4.1.2 系统的主要功能 | 第39-40页 |
| 4.1.3 系统路径及其参数的设置 | 第40-42页 |
| 4.2 盾构机测点的布置 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 5 模型构建及数据分析 | 第45-54页 |
| 5.1 小波技术分析盾构机振动信号 | 第45-47页 |
| 5.2 BP 神经网络技术分析盾构机振动信号 | 第47-49页 |
| 5.3 基于小波神经网络在盾构机振动信号的预测 | 第49-53页 |
| 5.3.1 数据选取与归一化处理 | 第49-50页 |
| 5.3.2 小波神经网络模型的确立与拟合仿真 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 结论和展望 | 第54-56页 |
| 6.1 结论 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 个人简历、在学校期间发表的学术论文与研究成果 | 第60页 |
