压路机液压系统故障诊断研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题来源和背景 | 第9-10页 |
| 1.2 故障诊断研究概述与现状 | 第10-13页 |
| 1.2.1 故障诊断技术概述 | 第11-12页 |
| 1.2.2 液压系统故障诊断研究现状 | 第12-13页 |
| 1.3 压路机液压系统故障诊断研究现状及发展趋势 | 第13-17页 |
| 1.3.1 国内研究现状 | 第13-14页 |
| 1.3.2 国外研究现状 | 第14-15页 |
| 1.3.3 智能故障诊断的发展趋势 | 第15-17页 |
| 1.4 本课题的提出及意义 | 第17-18页 |
| 1.5 本课题的主要研究内容与结构 | 第18-19页 |
| 第二章 压路机液压系统故障诊断体系研究 | 第19-29页 |
| 2.1 压路机液压系统故障诊断体系分析 | 第19-22页 |
| 2.1.1 故障诊断的理论基础 | 第19-20页 |
| 2.1.2 压路机的工作原理和液压系统概述 | 第20-22页 |
| 2.2 压路机液压系统故障诊断实现原理 | 第22-27页 |
| 2.2.1 状态监测 | 第22-23页 |
| 2.2.2 状态信号的选择 | 第23-24页 |
| 2.2.3 信号的预处理 | 第24-26页 |
| 2.2.4 故障特征提取 | 第26页 |
| 2.2.5 故障模式识别 | 第26-27页 |
| 2.3 压路机液压系统故障诊断关键技术分析 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 压路机液压系统回路及故障分析 | 第29-39页 |
| 3.1 压路机液压系统分析 | 第29-30页 |
| 3.2 各液压系统常见故障与排除 | 第30-32页 |
| 3.2.1 行走液压系统常见故障与排除 | 第30-31页 |
| 3.2.2 振动液压系统常见故障与排除 | 第31页 |
| 3.2.3 转向液压系统常见故障及排除 | 第31-32页 |
| 3.3 典型液压元件常见故障分析及排除 | 第32-34页 |
| 3.4 轴向柱塞泵故障诊断理论基础 | 第34-37页 |
| 3.4.1 轴向柱塞泵的工作原理及结构特点 | 第34-35页 |
| 3.4.2 轴向柱塞泵的故障模式与机理分析 | 第35-36页 |
| 3.4.3 轴向柱塞泵状态信号的选择 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 故障诊断关键技术研究 | 第39-53页 |
| 4.1 故障诊断方法的研究现状 | 第39-40页 |
| 4.2 基于主元分析方法的故障特征提取 | 第40-43页 |
| 4.2.1 主元分析方法的基本原理 | 第40-41页 |
| 4.2.2 主成分分析法的算法 | 第41-42页 |
| 4.2.3 基于主成分分析法的模型改进 | 第42-43页 |
| 4.3 基于人工神经网络的故障模式识别 | 第43-51页 |
| 4.3.1 人工神经网络的工作原理及特点 | 第43-44页 |
| 4.3.2 神经元模型及传递函数 | 第44-45页 |
| 4.3.3 人工神经网络结构 | 第45-46页 |
| 4.3.4 人工神经网络的学习规则 | 第46-47页 |
| 4.3.5 BP网络的学习算法 | 第47-51页 |
| 4.4 模糊逻辑理论概述 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 压路机液压系统故障诊断的实现 | 第53-66页 |
| 5.1 故障诊断的一般步骤及方案选择 | 第53-54页 |
| 5.2 故障特征主成分分析 | 第54-56页 |
| 5.3 神经网络的设计 | 第56-58页 |
| 5.3.1 神经网络与故障诊断 | 第56-57页 |
| 5.3.2 神经网络的构造 | 第57-58页 |
| 5.4 仿真分析 | 第58-65页 |
| 5.4.1 故障模糊化处理 | 第58-59页 |
| 5.4.2 故障模糊推理诊断 | 第59-63页 |
| 5.4.3 基于模糊神经网络的故障诊断 | 第63-65页 |
| 5.4.4 仿真比较 | 第65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73页 |
