基于振动声学的除焦状态检测系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 水力除焦技术概述 | 第10-14页 |
| 1.1.1 水力除焦技术及其发展 | 第10-11页 |
| 1.1.2 水力除焦系统 | 第11-14页 |
| 1.2 除焦检测技术概述 | 第14页 |
| 1.3 除焦检测技术的国内外研究现状 | 第14-16页 |
| 1.4 延迟焦化工艺 | 第16-17页 |
| 1.5 选题背景及其意义 | 第17页 |
| 1.6 论文的总体结构和主要任务 | 第17-20页 |
| 第2章 除焦状态的建模与分析 | 第20-26页 |
| 2.1 焦炭塔模型 | 第20-22页 |
| 2.2 高压水冲击力模型 | 第22页 |
| 2.3 激励响应 | 第22-26页 |
| 第3章 振动频谱分析及特征的提取 | 第26-32页 |
| 3.1 测量信号的获取 | 第26页 |
| 3.2 频谱分析技术及作用 | 第26-28页 |
| 3.2.1 频谱分析技术 | 第26-28页 |
| 3.2.2 频谱分析的作用 | 第28页 |
| 3.3 焦炭塔振动频谱分析与特征提取 | 第28-32页 |
| 第4章 神经网络在除焦状态判断中的应用 | 第32-44页 |
| 4.1 除焦状态的模式识别技术 | 第32页 |
| 4.2 神经网络原理与应用 | 第32-35页 |
| 4.2.1 神经网络理论及基本概念 | 第32-33页 |
| 4.2.2 神经网络的结构模型 | 第33-35页 |
| 4.3 BP神经网络 | 第35-39页 |
| 4.3.1 BP神经网络的基本概念 | 第35页 |
| 4.3.2 BP神经网络的算法原理 | 第35-37页 |
| 4.3.3 BP神经网络的前馈计算 | 第37-39页 |
| 4.4 BP神经网络在除焦状态识别中的应用 | 第39-44页 |
| 第5章 智能除焦检测系统的实现 | 第44-56页 |
| 5.1 智能除焦系统概述 | 第44页 |
| 5.2 除焦状态检测系统组成 | 第44-48页 |
| 5.2.1 信号采集系统 | 第46页 |
| 5.2.2 信号处理系统 | 第46-48页 |
| 5.3 信号集中处理器的实现 | 第48-53页 |
| 5.3.1 电源模块 | 第48-49页 |
| 5.3.2 振动信号采集及抗混叠滤波 | 第49-50页 |
| 5.3.3 输入输出接口 | 第50-52页 |
| 5.3.4 继电器模块 | 第52-53页 |
| 5.4 实验数据分析及总结 | 第53-56页 |
| 第6章 结论与展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录 攻读硕士期间发表的论文 | 第60-62页 |
| 致谢 | 第62-63页 |
