| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·选题的背景与意义 | 第9-10页 |
| ·旋转机械远程状态监测与故障诊断技术国内外发展状况 | 第10-12页 |
| ·本课题主要研究内容 | 第12-13页 |
| 第二章 风机状态监测与故障诊断系统的原理和构成 | 第13-21页 |
| ·风机结构参数和主要故障机理分析 | 第13-16页 |
| ·风机结构参数说明 | 第13-14页 |
| ·风机常见故障分析 | 第14-16页 |
| ·系统总体设计方案 | 第16-20页 |
| ·系统功能需求 | 第16-17页 |
| ·系统组成结构 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于MCU 的风机现场监测系统开发 | 第21-40页 |
| ·开发工具介绍 | 第21-23页 |
| ·风机在线监测系统结构设计 | 第23页 |
| ·MCU 的选择 | 第23-26页 |
| ·数据采集模块设计 | 第26-35页 |
| ·传感器的选择与安装 | 第26-27页 |
| ·电源及时钟电路硬件设计 | 第27-29页 |
| ·A/D 采样电路 | 第29-32页 |
| ·现场显示 | 第32-33页 |
| ·多机通信 | 第33-35页 |
| ·网络通信模块设计 | 第35-38页 |
| ·设计方案的类比 | 第35-36页 |
| ·网络通信设计 | 第36-38页 |
| ·整体硬件原理图 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第四章 智能故障诊断系统的研究与实现 | 第40-56页 |
| ·神经网络的传感器数据融合理论方法 | 第40-44页 |
| ·自适应谐振理论网络原理 | 第40-43页 |
| ·ART-2 神经网络聚类融合算法 | 第43-44页 |
| ·数据融合神经网络故障诊断模型的建立 | 第44-48页 |
| ·BP 网络学习算法的基本思想 | 第44-46页 |
| ·融合诊断模型的建立 | 第46-48页 |
| ·故障诊断模型的应用 | 第48-49页 |
| ·软件实现关键技术研究 | 第49-55页 |
| ·远程数据监测的实现 | 第49-51页 |
| ·数据库管理 | 第51-53页 |
| ·神经网络计算方法的实现 | 第53-54页 |
| ·故障诊断网络的焦点问题 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-57页 |
| ·总结 | 第56页 |
| ·研究展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 硕士期间发表的论文 | 第62页 |