基于小波神经网络煤矿通风机的故障诊断及预测系统
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 1 绪论 | 第14-20页 |
| ·立题的背景 | 第14-15页 |
| ·煤矿通风机故障诊断系统的发展趋势 | 第15-16页 |
| ·煤矿通风机的监测预警技术的发展 | 第16页 |
| ·国内外研究现状及存在问题 | 第16-17页 |
| ·论文的主要研究内容及创新点 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 2 煤矿通风机故障诊断系统总体方案设计 | 第20-28页 |
| ·通风机故障诊断系统硬件结构 | 第20-21页 |
| ·振动数据采集 | 第21-24页 |
| ·传感器的组成 | 第22页 |
| ·传感器的特性 | 第22-23页 |
| ·振动信号传感器选型 | 第23-24页 |
| ·温度传感器选型 | 第24-26页 |
| ·数据采集设备 | 第26-27页 |
| ·工控计算机 | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 煤矿主通风机故障诊断概述 | 第28-42页 |
| ·故障诊断的内容及基本方法 | 第28-29页 |
| ·故障诊断系统模型简介 | 第29-30页 |
| ·常见通风机故障剖析 | 第30-37页 |
| ·特征值的提取 | 第37-40页 |
| ·小波基的选取 | 第37-38页 |
| ·特征值提取步骤 | 第38-39页 |
| ·转子不平衡的信号分析 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 4 小波神经网络 | 第42-60页 |
| ·神经网络 | 第42-45页 |
| ·单神经元网络模型 | 第42-44页 |
| ·神经网络的结构 | 第44-45页 |
| ·小波分析理论 | 第45-52页 |
| ·小波分析理论 | 第45-46页 |
| ·小波变换 | 第46-50页 |
| ·常用小波函数 | 第50-52页 |
| ·小波神经网络算法研究 | 第52-58页 |
| ·小波网络算法研究 | 第53-56页 |
| ·小波神经网络算法的改进 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 5 小波神经网络在煤矿通风机的故障诊断 | 第60-72页 |
| ·网络参数的选择 | 第60-62页 |
| ·小波母函数 | 第60页 |
| ·初始参数的设置 | 第60-62页 |
| ·网络结构的确定 | 第62-64页 |
| ·隐层数的设计 | 第63页 |
| ·隐层节点个数确定 | 第63-64页 |
| ·小波网络预测模型的建立 | 第64-67页 |
| ·网络预测模型建立 | 第64-65页 |
| ·小波神经网络预测推导 | 第65-67页 |
| ·通风机故障诊断实例 | 第67-71页 |
| ·样本故障特征数据 | 第67-69页 |
| ·编程实现 | 第69页 |
| ·故障诊断实现 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 6 基于LabVIEW平台的软件系统实现 | 第72-80页 |
| ·虚拟仪器简介 | 第72-73页 |
| ·虚拟仪器发展 | 第72页 |
| ·虚拟仪器的特点 | 第72-73页 |
| ·LabVIEW软件介绍 | 第73-77页 |
| ·密码登录模块 | 第73-74页 |
| ·数据采集和存储模块 | 第74页 |
| ·小波消噪滤波功能模块 | 第74-75页 |
| ·信号特征值提取模块 | 第75-76页 |
| ·小波神经网络诊断模块 | 第76-77页 |
| ·通风机故障诊断和报警系统 | 第77-78页 |
| ·本章小结 | 第78-80页 |
| 总结 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 附录A | 第86-92页 |
| 致谢 | 第92-94页 |
| 作者简介及读研期间主要科研成果 | 第94页 |
