| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 风机故障诊断研究进展 | 第12-15页 |
| 1.2.1 风机故障诊断的基本过程 | 第13-14页 |
| 1.2.2 风机故障诊断现状 | 第14-15页 |
| 1.3 声频诊断技术研究进展 | 第15-18页 |
| 1.3.1 声频诊断技术研究现状 | 第15-17页 |
| 1.3.2 振动和噪声的关系 | 第17-18页 |
| 1.4 本文主要研究内容 | 第18-20页 |
| 第二章 小波分析与去噪方法研究 | 第20-36页 |
| 2.1 小波分析基础 | 第20-26页 |
| 2.1.1 傅里叶变换的局限性分析 | 第20-23页 |
| 2.1.2 小波分析理论 | 第23-26页 |
| 2.2 小波基的选择原则 | 第26-28页 |
| 2.3 小波去噪及其仿真实验 | 第28-35页 |
| 2.3.1 小波阈值去噪原理 | 第29-30页 |
| 2.3.2 小波阈值函数的改进 | 第30-32页 |
| 2.3.3 阈值的选取 | 第32-33页 |
| 2.3.4 小波去噪仿真实验 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于抗混叠单子带重构算法的特征提取 | 第36-51页 |
| 3.1 风机典型故障及其特征分析 | 第36-38页 |
| 3.2 Mallat算法混叠仿真 | 第38-39页 |
| 3.3 频率混叠原因分析 | 第39-43页 |
| 3.3.1 小波滤波器的频域特性 | 第40-41页 |
| 3.3.2 隔点采样 | 第41-42页 |
| 3.3.3 隔点插零 | 第42-43页 |
| 3.4 抗混叠单子带重构算法 | 第43-46页 |
| 3.5 信号特征的提取 | 第46-50页 |
| 3.5.1 普通频带能量 | 第46-48页 |
| 3.5.2 抗混叠能量距 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 PSO-BP神经网络在风机故障诊断中的应用 | 第51-76页 |
| 4.1 实验系统的建立 | 第51-52页 |
| 4.2 实验信号的模拟与分析 | 第52-61页 |
| 4.2.1 正常状态 | 第52-55页 |
| 4.2.2 转子不平衡 | 第55-57页 |
| 4.2.3 转子不对中 | 第57-59页 |
| 4.2.4 动静碰摩 | 第59-61页 |
| 4.3 BP神经网络与粒子群算法 | 第61-68页 |
| 4.3.1 BP神经网络 | 第61-65页 |
| 4.3.2 粒子群算法 | 第65-68页 |
| 4.4 PSO-BP神经网络模型的建立 | 第68-71页 |
| 4.4.1 BP神经网络的设计 | 第69-70页 |
| 4.4.2 粒子群算法的设计 | 第70-71页 |
| 4.5 BP神经网络与PSO-BP神经网络性能比较 | 第71-74页 |
| 4.6 PSO-BP神经网络诊断结果分析 | 第74-75页 |
| 4.7 本章小结 | 第75-76页 |
| 第五章 风机故障诊断系统设计与测试 | 第76-92页 |
| 5.1 系统界面设计过程分析 | 第76-77页 |
| 5.2 风机故障诊断系统的基本结构 | 第77-78页 |
| 5.3 风机故障诊断系统与界面设计 | 第78-87页 |
| 5.3.1 主界面设计 | 第78-80页 |
| 5.3.2 声音采集界面设计 | 第80-81页 |
| 5.3.3 小波降噪界面设计 | 第81-82页 |
| 5.3.4 时域分析界面设计 | 第82-85页 |
| 5.3.5 特征提取界面设计 | 第85-86页 |
| 5.3.6 故障诊断界面设计 | 第86-87页 |
| 5.4 系统测试 | 第87-90页 |
| 5.5 关键技术的程序实现 | 第90-91页 |
| 5.6 本章小结 | 第91-92页 |
| 结论与展望 | 第92-94页 |
| 参考文献 | 第94-100页 |
| 攻读硕士学位期间取得的研究成果 | 第100-101页 |
| 致谢 | 第101-102页 |
| 附件 | 第102页 |