地铁列车走行部滚动轴承故障诊断研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 背景 | 第12页 |
| 1.2 研究目的和意义 | 第12-13页 |
| 1.3 国内外滚动轴承损伤诊断研究发展近况 | 第13-17页 |
| 1.3.1 滚动轴承故障诊断发展历程 | 第13-14页 |
| 1.3.2 滚动轴承损伤原理的发展研究近况 | 第14-15页 |
| 1.3.3 滚动轴承损伤检测手段的发展近况 | 第15-17页 |
| 1.4 本文的内容及结构 | 第17-18页 |
| 第二章 轴承损伤形式与监测技术 | 第18-27页 |
| 2.1 滚动轴承损伤形式 | 第18-24页 |
| 2.2 滚动轴承故障监测技术 | 第24-27页 |
| 2.2.1 振动信号分析技术 | 第24-25页 |
| 2.2.2 温度监测技术 | 第25页 |
| 2.2.3 油膜电阻监测技术 | 第25页 |
| 2.2.4 声学监测技术 | 第25-27页 |
| 第三章 人工神经网络 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 人工神经网络理论 | 第27-30页 |
| 3.2.1 人工神经元模型 | 第27-29页 |
| 3.2.2 神经网络的结构 | 第29页 |
| 3.2.3 神经网络的学习方式 | 第29-30页 |
| 3.3 BP神经网络结构与学习算法 | 第30-36页 |
| 3.3.1 BP网络原理 | 第30-32页 |
| 3.3.2 BP神经网络的优点和局限性 | 第32页 |
| 3.3.3 BP算法的改进方法 | 第32-36页 |
| 3.3.3.1 LM算法 | 第33-35页 |
| 3.3.3.2 改进的LM算法 | 第35-36页 |
| 3.4 BP故障类型识别原理 | 第36页 |
| 3.5 小结 | 第36-37页 |
| 第四章 高阶统计分析方法 | 第37-48页 |
| 4.1 信号的经典分析方法 | 第37-39页 |
| 4.1.1 时域分析法 | 第37-39页 |
| 4.1.2 信号的频域分析 | 第39页 |
| 4.2 高阶统计分析基础知识 | 第39-44页 |
| 4.2.1 随机变量的特征函数 | 第40页 |
| 4.2.2 高阶矩 | 第40-41页 |
| 4.2.3 高阶累积量 | 第41-42页 |
| 4.2.4 高阶矩与高阶累积量的关系 | 第42页 |
| 4.2.5 高斯信号的高阶矩和高阶累积量 | 第42-43页 |
| 4.2.6 高阶累积量的性质 | 第43-44页 |
| 4.2.7 非高斯信号 | 第44页 |
| 4.3 高阶谱 | 第44-47页 |
| 4.3.1 高阶谱定义 | 第44-45页 |
| 4.3.2 双谱的定义和性质 | 第45-47页 |
| 4.4 小结 | 第47-48页 |
| 第五章 BP神经网络和双谱分析的轴承故障诊断 | 第48-58页 |
| 5.1 引言 | 第48页 |
| 5.2 双谱诊断的机理 | 第48-49页 |
| 5.3 故障滚轴轴承的双谱分析试验 | 第49-58页 |
| 5.3.1 诊断系统 | 第49-50页 |
| 5.3.2 双谱特征提取的仿真分析 | 第50-54页 |
| 5.3.3 BP网络参数设置及训练结果 | 第54-58页 |
| 结论与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间完成的学术论文 | 第63页 |
| 攻读硕士学位期间获得的荣誉 | 第63-65页 |
| 致谢 | 第65页 |
