| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 符号说明 | 第14-15页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 本课题研究背景和意义 | 第15-17页 |
| 1.2 旋转机械故障诊断技术的研究内容和发展概况 | 第17-21页 |
| 1.2.1 旋转机械故障诊断技术研究内容 | 第17-19页 |
| 1.2.2 故障诊断技术发展概况 | 第19-21页 |
| 1.3 云技术在机械故障诊断系统中的应用 | 第21-24页 |
| 1.4 论文组织结构 | 第24-27页 |
| 第二章 基于云服务的旋转机械故障自动诊断系统的设计 | 第27-37页 |
| 2.1 系统需求分析 | 第27-29页 |
| 2.1.1 系统可行性分析 | 第27-28页 |
| 2.1.2 系统功能需求分析 | 第28页 |
| 2.1.3 系统性能需求分析 | 第28-29页 |
| 2.2 故障诊断平台总体结构 | 第29-33页 |
| 2.2.1 故障诊断系统架构设计 | 第29-31页 |
| 2.2.2 基于云服务的故障诊断系统结构 | 第31-33页 |
| 2.3 “云端”旋转机械故障自动诊断系统的设计 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 故障征兆自动提取方法 | 第37-53页 |
| 3.1 信号时域分析 | 第37-40页 |
| 3.2 信号频域分析 | 第40-43页 |
| 3.2.1 频谱分析 | 第40-42页 |
| 3.2.2 特征频率自动提取的实现 | 第42-43页 |
| 3.3 基于可变滑动窗口的趋势定性分析 | 第43-48页 |
| 3.3.1 趋势分析方法和意义 | 第43-44页 |
| 3.3.2 基于可变滑动窗口的趋势定性分析流程 | 第44-46页 |
| 3.3.3 基于可变滑动窗口的趋势定性分析的实现 | 第46-48页 |
| 3.4 轴心轨迹分析 | 第48-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 旋转机械智能故障识别方法 | 第53-81页 |
| 4.1 集成化故障识别系统设计 | 第53-56页 |
| 4.1.1 集成化故障识别系统的概念 | 第53-55页 |
| 4.1.2 集成化故障识别系统层次模型 | 第55-56页 |
| 4.2 智能诊断知识库的设计 | 第56-61页 |
| 4.2.1 知识的获取和表示 | 第56-58页 |
| 4.2.2 专家知识库的设计 | 第58-61页 |
| 4.3 智能诊断方法库设计 | 第61-74页 |
| 4.3.1 专家系统诊断方法 | 第61-63页 |
| 4.3.2 模糊逻辑诊断方法 | 第63-65页 |
| 4.3.3 神经网络诊断方法 | 第65-70页 |
| 4.3.4 智能判别诊断方法 | 第70-72页 |
| 4.3.5 多种智能诊断方法的结合 | 第72-74页 |
| 4.4 旋转机械集成化故障识别实例 | 第74-78页 |
| 4.4.1 模糊逻辑故障识别 | 第74-76页 |
| 4.4.2 智能判别故障识别 | 第76-78页 |
| 4.5 本章小结 | 第78-81页 |
| 第五章 旋转机械故障自动诊断系统的实现 | 第81-95页 |
| 5.1 编程语言和开发平台的选择 | 第81-82页 |
| 5.2 数据库的设计 | 第82-86页 |
| 5.2.1 数据库类型选择 | 第82-84页 |
| 5.2.2 数据库结构设计 | 第84-85页 |
| 5.2.3 ADO数据库连接技术 | 第85-86页 |
| 5.3 系统功能模块的实现 | 第86-91页 |
| 5.3.1 登录界面设计 | 第86-88页 |
| 5.3.2 征兆提取模块设计 | 第88-89页 |
| 5.3.3 自动诊断模块设计 | 第89-90页 |
| 5.3.4 人工诊断模块设计 | 第90-91页 |
| 5.4 系统云端发布与部署 | 第91-94页 |
| 5.4.1 配置云服务器 | 第92-93页 |
| 5.4.2 在IIS中发布网站 | 第93-94页 |
| 5.4.3 预览与测试 | 第94页 |
| 5.5 本章小结 | 第94-95页 |
| 第六章 总结和展望 | 第95-97页 |
| 6.1 总结 | 第95-96页 |
| 6.2 展望 | 第96-97页 |
| 参考文献 | 第97-103页 |
| 致谢 | 第103-105页 |
| 研究成果及发表的学术论文 | 第105-107页 |
| 作者及导师简介 | 第107-109页 |
| 附件 | 第109-110页 |