振动筛故障特征提取及监测系统的开发
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 振动筛故障研究的背景 | 第8页 |
| 1.1.3 振动筛故障诊断研究的意义 | 第8-9页 |
| 1.2 振动筛故障的国内外研究现状及发展趋势 | 第9-13页 |
| 1.2.1 筛分机械的国内外研究现状 | 第9-11页 |
| 1.2.2 振动筛故障诊断的国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 本章小结 | 第14-16页 |
| 第2章 振动筛故障实验 | 第16-38页 |
| 2.1 振动筛简介 | 第16-21页 |
| 2.1.1 振动筛结构 | 第16-18页 |
| 2.1.2 振动筛动力学模型 | 第18-21页 |
| 2.2 振动筛故障实验平台 | 第21-26页 |
| 2.2.1 实验平台的搭建 | 第21-24页 |
| 2.2.2 加速度传感器标定 | 第24-26页 |
| 2.3 振动筛故障实验 | 第26-36页 |
| 2.3.1 振动筛常见故障 | 第26-29页 |
| 2.3.2 振动筛故障实验 | 第29-36页 |
| 本章小结 | 第36-38页 |
| 第3章 故障特征量提取及识别算法研究 | 第38-66页 |
| 3.1 实验数据预处理及分析 | 第38-44页 |
| 3.1.1 实验数据预处理 | 第38-42页 |
| 3.1.2 实验数据分析 | 第42-44页 |
| 3.2 故障特征量提取 | 第44-52页 |
| 3.2.1 时域特征量提取 | 第44-47页 |
| 3.2.2 小波系数能量特征提取 | 第47-52页 |
| 3.3 故障识别算法研究 | 第52-64页 |
| 3.3.1 BP神经网络 | 第53-56页 |
| 3.3.2 支持向量机 | 第56-59页 |
| 3.3.3 基于主成分分析的支持向量机 | 第59-64页 |
| 本章小结 | 第64-66页 |
| 第4章 振动筛故障监测系统开发 | 第66-86页 |
| 4.1 故障监测系统硬件设计 | 第66-77页 |
| 4.1.1 加速度传感器及电源模块 | 第66-68页 |
| 4.1.2 信号调理模块 | 第68-73页 |
| 4.1.3 信号采集模块 | 第73-76页 |
| 4.1.4 基于DSP的微控制器模块 | 第76-77页 |
| 4.2 故障监测系统软件设计 | 第77-83页 |
| 4.2.1 程序设计 | 第77-78页 |
| 4.2.2 数据采集程序设计 | 第78-80页 |
| 4.2.3 故障诊断程序设计 | 第80-83页 |
| 4.3 振动筛故障监测系统测试实验 | 第83-84页 |
| 本章小结 | 第84-86页 |
| 第5章 总结与展望 | 第86-88页 |
| 5.1 全文总结 | 第86-87页 |
| 5.2 展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92-94页 |
| 个人简历、在学期间学术论文及研究成果 | 第94页 |
