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 |