| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 1. 绪论 | 第8-13页 |
| ·选题的意义和背景 | 第8页 |
| ·国内外风机状态监测与故障诊断的现状与常用诊断方法简介 | 第8-10页 |
| ·国内外风机状态监测与故障诊断的现状 | 第8-9页 |
| ·常见诊断方法简介 | 第9-10页 |
| ·神经网络理论在故障诊断中的应用 | 第10-12页 |
| ·课题研究的主要内容 | 第12-13页 |
| 2. 风机状态监测系统构成及常见故障分析 | 第13-23页 |
| ·风机状态监测系统的硬件构成 | 第13-19页 |
| ·风机简介 | 第13-14页 |
| ·系统硬件总体结构 | 第14-15页 |
| ·测点的布置 | 第15-18页 |
| ·传感器的安装 | 第18-19页 |
| ·风机常见故障类型与征兆 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 3. 风机振动信号的采集与处理 | 第23-35页 |
| ·风机振动信号的采集 | 第23-27页 |
| ·采样参数的确定 | 第23-25页 |
| ·数据的采集 | 第25-27页 |
| ·采样数据的分析 | 第27-34页 |
| ·傅立叶(Fourier)频谱分析 | 第27-34页 |
| ·本章小结 | 第34-35页 |
| 4. 神经网络在故障诊断中的应用 | 第35-56页 |
| ·引言 | 第35-38页 |
| ·人工神经网络的基本概念 | 第35-37页 |
| ·人工神经网络的特点及分类 | 第37-38页 |
| ·BP神经网络 | 第38-44页 |
| ·BP神经网络的模型和学习算法 | 第38-43页 |
| ·BP神经网络用于故障诊断 | 第43-44页 |
| ·本文BP神经网络的构建 | 第44-50页 |
| ·BP神经网络的构造与确定 | 第44-46页 |
| ·输出结果的再处理 | 第46页 |
| ·BP神经网络算法的改进 | 第46-48页 |
| ·BP神经网络的训练与诊断 | 第48-50页 |
| ·BP神经网络的集成 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 5. 结论与展望 | 第56-57页 |
| 附录A | 第57-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |