基于小波分时尺度矩特征的多状态信息融合振动故障诊断和预测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-30页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·旋转机械故障诊断技术的现状与发展趋势 | 第11-27页 |
| ·本文的主要内容 | 第27-30页 |
| 2 转子试验台及故障模拟试验 | 第30-46页 |
| ·试验台简介及方案概述 | 第30-32页 |
| ·故障模拟试验方案 | 第32-36页 |
| ·数据采集及典型故障信号分析 | 第36-45页 |
| ·小结 | 第45-46页 |
| 3 小波分时尺度矩 | 第46-69页 |
| ·概述 | 第46页 |
| ·小波变换和小波灰度矩 | 第46-51页 |
| ·分时尺度矩 | 第51-62页 |
| ·分尺度不变矩 | 第62-67页 |
| ·小结 | 第67-69页 |
| 4 基于小波分时尺度矩的信息融合故障诊断方法 | 第69-82页 |
| ·概述 | 第69页 |
| ·基于分时尺度矩的概率神经网络信息融合诊断方法 | 第69-74页 |
| ·基于分时尺度矩的灰关联诊断方法 | 第74-81页 |
| ·小结 | 第81-82页 |
| 5 基于分时尺度矩的多状态信息融合故障诊断方法 | 第82-99页 |
| ·概述 | 第82-83页 |
| ·基于分时尺度矩特征的启停过程故障诊断方法 | 第83-93页 |
| ·基于分时尺度矩特征的多状态融合故障诊断方法 | 第93-98页 |
| ·小结 | 第98-99页 |
| 6 基于分时尺度矩预测参数的灰理论故障预测方法 | 第99-113页 |
| ·概述 | 第99页 |
| ·故障预测参数 | 第99-101页 |
| ·基于分时尺度矩预测参数的振动故障预测模型 | 第101-107页 |
| ·典型故障分时尺度矩预测 | 第107-111页 |
| ·小结 | 第111-113页 |
| 7 旋转机械可组态诊断系统及分时尺度矩诊断应用 | 第113-125页 |
| ·可组态在线系统需求分析 | 第113-114页 |
| ·系统体系结构 | 第114-117页 |
| ·系统的软件功能 | 第117-122页 |
| ·小波分时尺度矩诊断模块 | 第122-124页 |
| ·小结 | 第124-125页 |
| 8 全文总结与展望 | 第125-128页 |
| ·全文总结 | 第125-127页 |
| ·研究展望 | 第127-128页 |
| 致谢 | 第128-129页 |
| 参考文献 | 第129-140页 |
| 附录1 作者攻读学位期间发表的学术论文及著作 | 第140-141页 |
| 附录2 作者攻读学位期间参加的工作及申请的专利 | 第141-142页 |
