| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究的目的及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 大包回转台及回转支承研究现状 | 第9-11页 |
| 1.2.2 在线监测技术研究现状 | 第11页 |
| 1.2.3 故障智能诊断方法研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-15页 |
| 1.3.1 论文主要研究内容 | 第13-14页 |
| 1.3.2 论文研究目标 | 第14-15页 |
| 第2章 回转支承运行状态分析原理与方法 | 第15-20页 |
| 2.1 大包回转台结构分析及工作原理 | 第15-16页 |
| 2.2 回转支承结构分析 | 第16-17页 |
| 2.3 回转支承失效形式 | 第17页 |
| 2.4 回转支承的特征频率计算 | 第17-18页 |
| 2.5 回转支承状态监测方法 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 第3章 连铸机大包回转台在线监测系统的总体设计 | 第20-28页 |
| 3.1 测试工况分析 | 第20页 |
| 3.2 系统总容量 | 第20页 |
| 3.3 测点布置 | 第20-22页 |
| 3.4 系统的总体结构设计 | 第22-27页 |
| 3.4.1 信号采集方案 | 第23页 |
| 3.4.2 系统硬件功能框图 | 第23-24页 |
| 3.4.3 主要硬件选型 | 第24-26页 |
| 3.4.4 其它硬件设备 | 第26页 |
| 3.4.5 机柜及内部设备布置方案 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 大包回转台在线监测系统的实现 | 第28-34页 |
| 4.1 软件开发平台 | 第28-29页 |
| 4.1.1 软件系统框图及系统功能 | 第28-29页 |
| 4.1.2 系统软件平台 | 第29页 |
| 4.2 软件主要界面 | 第29-32页 |
| 4.3 结论 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第5章 回转支承故障诊断模型的建立与仿真 | 第34-60页 |
| 5.1 模糊逻辑与神经网络概述 | 第34-35页 |
| 5.2 回转支承的数据模糊聚类及其 MATLAB 实现 | 第35-38页 |
| 5.2.1 常用的隶属函数 | 第35-37页 |
| 5.2.2 模糊推理的过程 | 第37页 |
| 5.2.3 基于模糊聚类的回转支承故障特诊参数的确定 | 第37-38页 |
| 5.3 模糊诊断方法在回转支承故障诊断中的研究与应用 | 第38-43页 |
| 5.4 神经网络在回转支承中的研究与应用 | 第43-50页 |
| 5.4.1 神经网络结构 | 第43-44页 |
| 5.4.2 神经网络工作方式 | 第44-45页 |
| 5.4.3 神经网络的学习算法 | 第45-46页 |
| 5.4.4 基于 BP 神经网络的回转支承故障诊断 | 第46-50页 |
| 5.5 模糊神经网络在回转支承故障诊断中的研究与应用 | 第50-58页 |
| 5.5.1 模糊神经网络及其 MATLAB 实现 | 第50页 |
| 5.5.2 模糊神经网络（ANFIS）系统的模型 | 第50-51页 |
| 5.5.3 ANFIS 系统结构 | 第51-53页 |
| 5.5.4 ANFIS 系统的学习算法 | 第53-55页 |
| 5.5.5 基于模糊神经网络（ANFIS）的回转支承故障诊断 | 第55-58页 |
| 5.6 模糊推理、神经网络、ANFIS 诊断结果的对比分析 | 第58-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-61页 |
| 6.1 全文总结 | 第60页 |
| 6.2 工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 1 攻读硕士期间发表的论文 | 第65-66页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 详细摘要 | 第67-70页 |
