首页--工业技术论文--机械、仪表工业论文--机械零件及传动装置论文--机械传动机构论文--啮合传动论文

基于神经网络和灰色理论的传动箱故障诊断研究

1 绪论第1-16页
   ·选题的目的和意义第11-12页
   ·传动箱故障诊断技术的发展与现状第12-15页
   ·本文的主要研究内容第15-16页
2 传动箱的故障振动机理及振动信号特征第16-24页
   ·传动箱故障机理分析第16-17页
     ·齿轮常见的故障形式及产生的原因第16-17页
     ·轴承常见的故障形式及产生的原因第17页
   ·传动箱故障特征频率计算第17-19页
     ·齿轮的故障特征频率计算第17-18页
     ·轴承的故障特征频率计算第18-19页
   ·传动箱常见故障的振动特征第19-24页
     ·齿轮的故障特征第20-21页
       ·齿形误差的主要特征第20页
       ·断齿的主要特征第20页
       ·齿轮均匀磨损的主要特征第20-21页
       ·齿轮点蚀的主要特征第21页
     ·轴承的故障特征第21-22页
     ·轴的故障特征第22-24页
       ·轴向窜动的主要特征第22页
       ·轴有较严重的不平衡时的主要特征第22-23页
       ·轴有严重弯曲时的主要特征第23-24页
3 传动箱故障诊断方法第24-53页
   ·时域故障快速诊断方法第24-29页
     ·时域波形法第24-25页
       ·齿轮啮合故障的时域波形特征第24页
       ·滚动轴承故障的时域波形特征第24-25页
     ·时频域故障特征参量提取第25-29页
       ·时域故障特征提取第25-27页
       ·频域故障特征提取第27-29页
   ·振动信号的经典处理方法第29-36页
     ·幅值谱分析第29页
     ·功率谱分析第29-31页
     ·细化谱分析第31-32页
     ·能量谱分析第32页
     ·解调谱分析第32-33页
     ·倒频谱分析第33-34页
     ·包络分析第34-36页
   ·基于小波变换的传动箱振动信号降噪方法的研究第36-41页
     ·小波变换的定义第36-38页
       ·离散小波变换第37-38页
     ·小波消噪第38-41页
       ·小波变换模量极大值与信号奇异的关系第39-41页
   ·人工神经网络诊断方法第41-48页
     ·BP网络的结构第42-43页
     ·BP网络的处理算法第43-45页
     ·BP网络的结构设计第45-46页
     ·BP算法的改进方法第46-48页
   ·灰色关联度诊断方法第48-53页
     ·传统的灰色诊断法第49-50页
     ·ABO型关联度的改进第50-53页
       ·分辨系数的确定第51-53页
4 传动箱信号采集试验与诊断研究第53-63页
   ·传动箱振动信号采集实验方案第53-54页
   ·传动箱的结构第54-55页
   ·实验仪器及选用第55-56页
   ·测点选择第56-58页
     ·测点的布置及说明第57-58页
   ·试验介绍第58页
   ·传动箱的故障特征分析第58-60页
     ·齿轮故障特征频率计算第59页
     ·轴承故障特征频率计算第59-60页
   ·传动箱故障信号分析第60-63页
     ·崩齿第60-61页
     ·齿轮均匀磨损第61-62页
     ·轴承外圈剥落第62-63页
5 神经网络和灰色关联度诊断方法在传动箱故障诊断中的应用第63-81页
   ·典型数据第63页
   ·实验数据预处理第63-64页
   ·时频域特征参数提取及归一化第64-66页
   ·用Matlab语言实现BP神经网络的诊断第66-75页
     ·BP网络神经元第66页
     ·BP网络常用函数第66-67页
     ·BP神经网络的生成及初始化第67页
     ·BP神经网络的学习规则第67-68页
     ·BP神经网络的改进算法第68-69页
     ·BP神经网络的训练和仿真第69-70页
     ·BP神经网络诊断实例第70-75页
   ·ABO灰色关联度诊断第75-79页
   ·BP改进网络与ABO灰色关联度法诊断比较第79-81页
6 结论第81-83页
参考文献第83-86页
攻读硕士期间发表的论文第86-87页
致谢第87页

论文共87页,点击 下载论文
上一篇:振荡轮与热沥青混合料相互作用动力学过程的研究
下一篇:花岗岩类地质信息的采集与集成--在天水地区花岗岩类调查与研究中的应用