| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 采煤机故障诊断技术研究发展状况 | 第10-15页 |
| 1.3.1 国外机械故障诊断系统的发展现状 | 第10-12页 |
| 1.3.2 国内机械故障诊断系统的研究概况 | 第12-13页 |
| 1.3.3 现用的采煤机故障诊断方法 | 第13-15页 |
| 1.4 本课题的来源及内容安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 采煤机截割部结构及其故障分析 | 第17-32页 |
| 2.1 采煤机总体结构 | 第17-22页 |
| 2.1.1 截割部的传动系统 | 第18-20页 |
| 2.1.2 截割电动机 | 第20页 |
| 2.1.3 摇臂减速箱及其组成 | 第20-22页 |
| 2.2 截割部故障特性分析 | 第22-27页 |
| 2.2.1 滚动轴承结构及相关频率计算 | 第23-25页 |
| 2.2.2 滚动轴承振动机理分析 | 第25-26页 |
| 2.2.3 滚动轴承故障振动信号特性分析 | 第26-27页 |
| 2.2.4 滚动轴承损伤故障的包络谱特征 | 第27页 |
| 2.3 截割部齿轮振动机理与故障特性分析 | 第27-31页 |
| 2.3.1 齿轮振动机理分析 | 第28-29页 |
| 2.3.2 齿轮振动主要参数 | 第29-30页 |
| 2.3.3 齿轮故障振动模型 | 第30页 |
| 2.3.4 齿轮故障的包络特征谱 | 第30-31页 |
| 2.3.5 截割部异音故障诊断 | 第31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 采煤机截割部故障信号提取研究及测试方案设计 | 第32-56页 |
| 3.1 采煤机故障信号的选取 | 第32-34页 |
| 3.2 振动信号的分析方法 | 第34-37页 |
| 3.2.1 幅值域分析法 | 第34-35页 |
| 3.2.2 频域分析法 | 第35-36页 |
| 3.2.3 时频分析 | 第36-37页 |
| 3.3 采煤机截割部传感器布置和测振仪介绍 | 第37-40页 |
| 3.3.1 采煤机截割部传感器布置 | 第37-38页 |
| 3.3.2 测振仪介绍 | 第38-40页 |
| 3.4 采煤机截割部测试方案 | 第40-45页 |
| 3.5 采煤机截割部齿轮振动信号特性研究 | 第45-55页 |
| 3.6 本章小结 | 第55-56页 |
| 4 BP神经网络方法在采煤机截割部故障诊断中的应用 | 第56-76页 |
| 4.1 神经网络与故障模式识别 | 第56-59页 |
| 4.1.1 常用模式识别方法 | 第56-57页 |
| 4.1.2 神经网络在故障模式识别中的应用 | 第57-59页 |
| 4.2 截割部齿轮箱故障模式识别神经网络模型结构确定 | 第59-62页 |
| 4.2.1 神经网络模型确定 | 第59页 |
| 4.2.2 输入层与输出层确定 | 第59页 |
| 4.2.3 隐含层数和隐含层内节点数确定 | 第59-60页 |
| 4.2.4 初始权值确定与数据归一化处理 | 第60-61页 |
| 4.2.5 BP神经网络算法 | 第61-62页 |
| 4.3 基于BP神经网络采煤机截割部故障诊断实例 | 第62-75页 |
| 4.3.1 典型故障试验方案 | 第63-67页 |
| 4.3.2 BP神经网络应用 | 第67-75页 |
| 4.4 本章小结 | 第75-76页 |
| 5 结论与展望 | 第76-77页 |
| 5.1 论文总结 | 第76页 |
| 5.2 展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82页 |