基于极限学习机的滚动轴承故障预测技术研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源及研究意义 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 故障预测技术国外研究现状 | 第11-12页 |
| 1.2.2 故障预测技术国内研究现状 | 第12-13页 |
| 1.3 现场设备信息及其故障统计分析 | 第13-16页 |
| 1.3.1 现场设备信息 | 第13-14页 |
| 1.3.2 现场设备故障情况统计分析 | 第14-15页 |
| 1.3.3 小结 | 第15-16页 |
| 1.4 主要研究内容及采取的技术路线 | 第16-18页 |
| 1.4.1 主要研究内容 | 第16页 |
| 1.4.2 本文所采取的技术路线 | 第16-18页 |
| 第2章 极限学习机在振动指标预测中的应用研究 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 常用预测模型及其优缺点 | 第18-20页 |
| 2.3 极限学习机算法概述 | 第20-22页 |
| 2.4 极限学习机的神经网络辨识及预测的一般过程 | 第22页 |
| 2.5 预测实例 | 第22-27页 |
| 2.5.1 性能评判指数 | 第22-23页 |
| 2.5.2 特征参数提取和处理 | 第23-24页 |
| 2.5.3 特征参数预测 | 第24-27页 |
| 2.6 小结 | 第27-28页 |
| 第3章 滚动轴承敏感振动指标的选取与分析 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 各类振动指标的意义与计算方法 | 第28-32页 |
| 3.2.1 时域指标 | 第28-31页 |
| 3.2.2 频域指标 | 第31-32页 |
| 3.2.3 小波包分解能量指标 | 第32页 |
| 3.3 筛选振动评价指标 | 第32-35页 |
| 3.3.1 指标选取原则 | 第33页 |
| 3.3.2 筛选时域评价指标 | 第33-34页 |
| 3.3.3 筛选频域评价指标 | 第34页 |
| 3.3.4 小波包分解能量指标分析 | 第34-35页 |
| 3.4 小结 | 第35-36页 |
| 第4章 建立基于滚动轴承振动指标的评价标准 | 第36-51页 |
| 4.1 引言 | 第36页 |
| 4.2 评价指标分析 | 第36-46页 |
| 4.2.1 设备历史运行状况总结 | 第36-38页 |
| 4.2.2 振动标准基础知识 | 第38-39页 |
| 4.2.3 时域指标分析及阈值设定 | 第39-43页 |
| 4.2.4 频域指标分析 | 第43-45页 |
| 4.2.5 小波包分解能量指标分析 | 第45-46页 |
| 4.3 建立振动指标评价标准 | 第46-49页 |
| 4.3.1 建立振动指标评价标准的意义 | 第46页 |
| 4.3.2 归纳和建立振动指标评价标准 | 第46-48页 |
| 4.3.3 实例分析 | 第48-49页 |
| 4.4 小结 | 第49-51页 |
| 第5章 现场实例应用 | 第51-57页 |
| 5.1 引言 | 第51页 |
| 5.2 应用背景及数据处理 | 第51-54页 |
| 5.2.1 应用背景 | 第51-52页 |
| 5.2.2 特征参数提取 | 第52-54页 |
| 5.3 特征参数预测 | 第54-55页 |
| 5.4 分析结果 | 第55-56页 |
| 5.5 小结 | 第56-57页 |
| 第6章 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
