首页--航空、航天论文--航空论文--航空制造工艺论文--航空发动机制造论文--故障分析及排除论文

航空发动机典型耦合碰摩故障特征识别方法研究

摘要第6-7页
Abstract第7-8页
主要符号表第12-13页
第1章 绪论第13-18页
    1.1 课题研究背景第13-14页
    1.2 碰摩故障诊断的重要意义第14-15页
    1.3 本课题国内外的研究现状第15-17页
    1.4 课题主要研究内容第17-18页
        1.4.1 课题的主要目标第17页
        1.4.2 本文的章节安排第17-18页
第2章 耦合碰摩故障的机理分析及实验平台的介绍第18-28页
    2.1 概述第18页
    2.2 耦合故障转子-轴承系统模型和运动微分方程第18-20页
        2.2.1 碰摩力第19页
        2.2.2 运动微分方程第19-20页
    2.3 耦合故障转子-轴承系统非线性特性分析第20-25页
        2.3.1 非线性摩擦力对碰摩转子-轴承系统非线性特性的影响第20-22页
        2.3.2 裂纹对碰摩转子-轴承系统非线性特性的影响第22-23页
        2.3.3 松动对对碰摩转子-轴承系统非线性特性的影响第23-24页
        2.3.4 实验小结第24-25页
    2.4 转子实验平台第25-27页
        2.4.1 转子实验台介绍第25-27页
        2.4.2 转子实验台参数确定第27页
    2.5 本章小结第27-28页
第3章 基于EMD的耦合碰摩故障特征提取方法第28-39页
    3.1 EMD方法的基本原理第28-34页
        3.1.1 瞬时频率第29-30页
        3.1.2 内模函数第30-31页
        3.1.3 EMD方法筛分过程第31-34页
    3.2 耦合碰摩信号的EMD时频分析第34-38页
    3.3 本章小结第38-39页
第4章 基于BP神经网络的耦合碰摩故障特征识别算法第39-50页
    4.1 BP神经网络简介第39-42页
        4.1.1 生物神经元模型第40页
        4.1.2 神经网络模型第40-41页
        4.1.3 神经网络结构第41-42页
        4.1.4 神经网络的学习第42页
    4.2 BP神经网络第42-46页
        4.2.1 BP神经网络的定义、特点及应用第42-43页
        4.2.2 BP神经网络结构第43-44页
        4.2.3 BP算法第44页
        4.2.4 BP算法的步骤第44-45页
        4.2.5 BP算法的流程图第45-46页
    4.3 耦合碰摩故障信号的BP神经网络特征识别算法第46-48页
    4.4 BP神经网络的性能分析第48-49页
        4.4.1 BP神经网络主要缺陷第48页
        4.4.2 对BP神经网络存在缺点的探讨第48-49页
    4.5 本章小结第49-50页
第5章 基于BP_ADABOOST模型的耦合碰摩故障特征识别算法第50-59页
    5.1 Boosting算法背景第50页
    5.2 Adaboost算法的提出第50页
    5.3 Adaboost算法的理论分析第50-52页
    5.4 BP_Adaboost模型的建立第52页
    5.5 基于BP_Adaboost的耦合碰摩故障识别算法第52-58页
        5.5.1 实验设计第54-57页
        5.5.2 结果分析第57-58页
    5.6 本章小结第58-59页
结论第59-60页
参考文献第60-62页
致谢第62-63页
攻读硕士期间发表(含录用)的学术论文第63页

论文共63页,点击 下载论文
上一篇:多无人机紧密编队协同控制与可视化仿真研究
下一篇:基于作业平衡的装配线仿真和优化