煤矿风机运行状态的预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-10页 |
| 第1章 绪论 | 第10-13页 |
| ·设备状态预测的重要性 | 第10-11页 |
| ·故障诊断与预测技术的发展 | 第11页 |
| ·国内故障诊断与状态预测的研究现状 | 第11-12页 |
| ·本课题主要的研究内容 | 第12-13页 |
| 第2章 理论基础 | 第13-30页 |
| ·旋转机械故障特性分析 | 第13-14页 |
| ·转子特性 | 第13页 |
| ·旋转机械振动的频率特性 | 第13-14页 |
| ·风机主轴故障形式及振动特性分析 | 第14-19页 |
| ·煤矿的风机主轴的故障形式 | 第14页 |
| ·主轴故障振动特性 | 第14-17页 |
| ·滚动轴承的故障形式 | 第17-18页 |
| ·煤矿风机故障原因分析 | 第18-19页 |
| ·振动信号分析方法的确定 | 第19-24页 |
| ·傅里叶变换 | 第19页 |
| ·小波变换 | 第19-20页 |
| ·希尔伯特一黄变换 | 第20-21页 |
| ·希尔伯特一黄变换的特点 | 第21-23页 |
| ·振动信号分析方法的确定 | 第23-24页 |
| ·风机运行状态预测方法确定 | 第24-27页 |
| ·基于人工神经网络的预测方法 | 第24页 |
| ·支持向量机的预测方法 | 第24-25页 |
| ·灰色预测法 | 第25-26页 |
| ·逻辑回归预测 | 第26页 |
| ·风机运行状态预测方法 | 第26-27页 |
| ·设备运行状态分析 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第3章 振动信号采集与存储系统研究 | 第30-54页 |
| ·信号采集方案研究 | 第30-39页 |
| ·LabVIEW 简介 | 第30页 |
| ·信号采集系统硬件组成 | 第30-31页 |
| ·模拟信号的连接方式 | 第31页 |
| ·测量方法 | 第31-33页 |
| ·9114 卡的设置和连线 | 第33-35页 |
| ·基于 LabVIEW 的数据采集 | 第35-39页 |
| ·煤矿风机振动信号实时采集系统设计 | 第39-53页 |
| ·系统设计 | 第40-41页 |
| ·系统硬件的选择与安装 | 第41-45页 |
| ·基于 LabVIEW 软件设计 | 第45-53页 |
| ·小结 | 第53-54页 |
| 第4章 数据库的建立 | 第54-64页 |
| ·数据管理系统功能 | 第54页 |
| ·软件平台 | 第54-55页 |
| ·数据库的建立 | 第55-63页 |
| ·访问原理 | 第56页 |
| ·数据库设计 | 第56-58页 |
| ·数据库设计规范化 | 第58-59页 |
| ·数据类型的选择 | 第59页 |
| ·数据库的结构 | 第59-62页 |
| ·数据库的安全性 | 第62-63页 |
| ·部分数据库运行结果 | 第63页 |
| ·小结 | 第63-64页 |
| 第5章 基于 EMD 和神经网络风机运行状态预测 | 第64-86页 |
| ·概述 | 第64页 |
| ·EMD 的原理和方法 | 第64-66页 |
| ·BP 神经网络 | 第66-74页 |
| ·概述 | 第66-67页 |
| ·BP 神经网络的数学模型 | 第67-69页 |
| ·实验验证 BP 神经网络预测的可行性 | 第69-74页 |
| ·风机状态预测方法比较 | 第74-85页 |
| ·基于神经网络的风机状态预测 | 第74-77页 |
| ·基于 EMD 与神经网络的风机状态预测 | 第77-85页 |
| ·小结 | 第85-86页 |
| 结论 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-92页 |
| 导师简介 | 第92-93页 |
| 作者简介 | 第93-94页 |
| 学位论文数据集 | 第94页 |
