基于小波神经网络的矿井局部通风机故障检测与诊断研究
摘要 | 第1-5页 |
Abstract | 第5-12页 |
1 绪论 | 第12-17页 |
·引言 | 第12-13页 |
·国内外故障诊断研究动态 | 第13-14页 |
·信号采集与处理技术的新发展 | 第13页 |
·诊断技术的新动态 | 第13-14页 |
·矿井通风系统故障诊断研究现状 | 第14-15页 |
·课题的研究内容 | 第15-16页 |
·课题研究目的与意义 | 第16-17页 |
2 矿井局部通风机故障诊断分析 | 第17-21页 |
·矿井局部通风机常见故障及机理分析 | 第17-19页 |
·故障特征频率分析 | 第17-18页 |
·常见故障产生原因及消除方法 | 第18-19页 |
·故障诊断方法分析 | 第19-20页 |
·信号处理方法分析 | 第20页 |
·小结 | 第20-21页 |
3 矿井局部通风机故障诊断小波神经网络模型 | 第21-30页 |
·小波分析和神经网络的结合途径 | 第21页 |
·故障诊断小波包基函数与分解尺度 | 第21-26页 |
·小波分析理论 | 第21-23页 |
·小波包分析 | 第23页 |
·选取小波包基 | 第23-24页 |
·确定分解树 | 第24-26页 |
·故障诊断神经网络模型和结构 | 第26-29页 |
·神经网络的构成 | 第26-27页 |
·神经网络结构与模型 | 第27-28页 |
·神经网络输入层 | 第28页 |
·神经网络输出层 | 第28页 |
·神经网络隐含层 | 第28-29页 |
·小结 | 第29-30页 |
4 系统需求分析与设计 | 第30-35页 |
·硬件系统需求分析与总体结构 | 第30页 |
·软件系统需求分析与设计 | 第30-34页 |
·功能模块划分 | 第30-31页 |
·软件开发模型 | 第31页 |
·开发平台 | 第31-32页 |
·软件结构设计 | 第32-34页 |
·主流程 | 第34页 |
·小结 | 第34-35页 |
5 系统硬件分析与设计 | 第35-39页 |
·振动传感器 | 第35-36页 |
·LC0151T 特点及工作原理 | 第35-36页 |
·LC0151T 性能指标 | 第36页 |
·测点分布与传感器布置 | 第36-37页 |
·数据采集设备 | 第37-38页 |
·数据采集设备组成部分 | 第37页 |
·USB6221 性能指标 | 第37-38页 |
·计算机 | 第38页 |
·小结 | 第38-39页 |
6 系统软件开发 | 第39-58页 |
·主界面和菜单 | 第39-40页 |
·离线诊断子系统 | 第40-46页 |
·操作面板与主线流程 | 第40-42页 |
·变换识别模块 | 第42-44页 |
·小波包滤波模块 | 第44-46页 |
·在线诊断子系统 | 第46-49页 |
·操作面板与主线流程 | 第46-47页 |
·事件记录机制 | 第47-49页 |
·数据采集与管理 | 第49-51页 |
·TDMS 存储格式简介 | 第49页 |
·样本矩阵结构 | 第49-50页 |
·数据管理 | 第50-51页 |
·故障库建立与维护 | 第51-56页 |
·数据库模型 | 第51-52页 |
·连接数据库 | 第52-53页 |
·增加故障类型到数据库 | 第53-54页 |
·更新神经网络权值 | 第54-56页 |
·数据安全 | 第56-57页 |
·小结 | 第57-58页 |
7 系统功能验证与性能评价 | 第58-66页 |
·试验设备与试验方法 | 第58-59页 |
·试验设备 | 第58页 |
·试验方法 | 第58-59页 |
·离线诊断验证 | 第59-62页 |
·单路数据采集与存储 | 第59-60页 |
·诊断分析实例 | 第60-62页 |
·在线诊断验证 | 第62-64页 |
·多路并行数据采集 | 第62页 |
·诊断分析实例 | 第62-64页 |
·性能评价 | 第64-65页 |
·响应时间 | 第64页 |
·可靠性 | 第64-65页 |
·小结 | 第65-66页 |
8 结论 | 第66-69页 |
·结论 | 第66-67页 |
·存在的问题 | 第67页 |
·展望 | 第67-69页 |
致谢 | 第69-70页 |
附录Ⅰ软件更新列表 | 第70-72页 |
附录Ⅱ攻读硕士研究生期间发表的学术论文 | 第72-73页 |
参考文献 | 第73-75页 |