基于铁谱的磨损模式识别方法研究
| 第一章 绪论 | 第1-23页 |
| 1．1 磨损监测的意义 | 第9-10页 |
| 1．2 磨损状态监测方法 | 第10-13页 |
| 1．3 磨损磨粒分析技术 | 第13-16页 |
| 1．4 铁谱技术 | 第16-17页 |
| 1．5 磨损铁谱诊断方法及其智能化发展 | 第17-20页 |
| 1．6 选题的意义及本方的主要工作 | 第20-23页 |
| 1．6．1 选题意义 | 第20-21页 |
| 1．6．2 本文研究内容 | 第21-23页 |
| 第二章 磨损机理与磨粒特征 | 第23-41页 |
| 2．1 磨损分类 | 第23-24页 |
| 2．1．1 按磨损机理分类 | 第23-24页 |
| 2．1．2 按磨损形式分类 | 第24页 |
| 2．2 磨损机理及磨粒的生成 | 第24-27页 |
| 2．2．1 粘着磨损 | 第24-25页 |
| 2．2．2 磨料磨损 | 第25-26页 |
| 2．2．3 表面滚动接触疲劳磨损 | 第26页 |
| 2．2．4 腐蚀磨损 | 第26-27页 |
| 2．3 磨粒的摩擦学系统分析 | 第27-28页 |
| 2．3．1 摩擦学系统分析方法 | 第27-28页 |
| 2．3．2 磨粒的摩擦学系统分析 | 第28页 |
| 2．4 磨粒种类及特征 | 第28-35页 |
| 2．4．1 与粘着磨损有关的磨粒 | 第28-30页 |
| 2．4．2 与磨料磨损有关的磨粒 | 第30页 |
| 2．4．3 与疲劳磨损有关的磨粒 | 第30-32页 |
| 2．4．4 与腐蚀磨损有关的磨粒 | 第32-35页 |
| 2．5 磨粒识别 | 第35-40页 |
| 2．5．1 磨粒边缘数字特征 | 第35-37页 |
| 2．5．2 磨粒颜色数字特征 | 第37页 |
| 2．5．3 磨粒表面形貌数字特征 | 第37页 |
| 2．5．4 分形维几何磨粒分析法 | 第37-38页 |
| 2．5．5 Spike参数磨粒分析法 | 第38-40页 |
| 2．6 本章小结 | 第40-41页 |
| 第三章 磨粒识别的BP算法研究 | 第41-67页 |
| 3．1 概述 | 第41-45页 |
| 3．1．1 神经网络与模式识别 | 第41-42页 |
| 3．1．2 神经网络的一般特征 | 第42-43页 |
| 3．1．3 神经网络的基本模型 | 第43-44页 |
| 3．1．4 神经网络的动态特性 | 第44-45页 |
| 3．2 多层前馈神经网络的基本理论 | 第45-46页 |
| 3．2．1 多层前馈神经网络的结构 | 第45-46页 |
| 3．2．2 前馈神经网络的计算过程 | 第46页 |
| 3．3 BP神经网络 | 第46-55页 |
| 3．3．1 网络的结构与数学描述 | 第46-49页 |
| 3．3．2 BP网络的学习算法 | 第49-53页 |
| 3．3．3 BP网络的误差 | 第53-55页 |
| 3．4 神经网络的分类机理 | 第55-58页 |
| 3．4．1 几何分类机理 | 第55-57页 |
| 3．4．2 代数分类机理 | 第57-58页 |
| 3．5 磨损磨粒识别的BP算法 | 第58-64页 |
| 3．5．1 算法概况 | 第58-59页 |
| 3．5．2 输出层的优化 | 第59页 |
| 3．5．3 网络的线性化 | 第59-62页 |
| 3．5．4 隐层的优化 | 第62-64页 |
| 3．5．5 增加动量项 | 第64页 |
| 3．6 仿真实验 | 第64-66页 |
| 3．7 本章小结 | 第66-67页 |
| 第四章 铁谱磨粒分类器设计与实现 | 第67-87页 |
| 4．1 引言 | 第67页 |
| 4．2 铁谱磨粒特征提取 | 第67-70页 |
| 4．2．1 傅立叶级数展开式 | 第68-69页 |
| 4．2．2 特征提取 | 第69-70页 |
| 4．3 分类器结构设计 | 第70-75页 |
| 4．3．1 输入与输出层的设计 | 第70-71页 |
| 4．3．2 隐含层结构设计 | 第71-75页 |
| 4．4 磨粒识别 | 第75-80页 |
| 4．4．1 分类器结构 | 第75页 |
| 4．4．2 训练样本 | 第75-77页 |
| 4．4．3 初始权值 | 第77-78页 |
| 4．4．4 网络输出结果与分析 | 第78-80页 |
| 4．5 分类器的推广能力分析 | 第80-85页 |
| 4．5．1 分类器考核指标 | 第80页 |
| 4．5．2 AWPRH分类器的推广能力分析 | 第80-83页 |
| 4．5．3 增强推广能力的途径 | 第83-85页 |
| 4．6 本章小结 | 第85-87页 |
| 第五章 结论与展望 | 第87-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-94页 |
