热媒循环泵轴承状态监测与故障诊断研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景及意义 | 第11页 |
| 1.2 故障诊断发展历程 | 第11-14页 |
| 1.3 故障诊断研究现状 | 第14-16页 |
| 1.4 论文研究的主要内容 | 第16-17页 |
| 第2章 状态监测系统设计 | 第17-31页 |
| 2.1 监测系统总体设计 | 第17-18页 |
| 2.2 硬件系统选型设计 | 第18-24页 |
| 2.2.1 传感器布置 | 第18-19页 |
| 2.2.2 振动传感器 | 第19-21页 |
| 2.2.3 温度传感器 | 第21-22页 |
| 2.2.4 无线数据传输设备 | 第22-24页 |
| 2.3 软件系统设计及实现 | 第24-29页 |
| 2.3.1 软件功能设计 | 第24-25页 |
| 2.3.2 软件程序实现 | 第25-29页 |
| 2.4 现场实验 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 滚动轴承故障机理及振动分析 | 第31-43页 |
| 3.1 滚动轴承故障分析 | 第31-33页 |
| 3.1.1 滚动轴承结构 | 第31页 |
| 3.1.2 故障产生原因 | 第31-32页 |
| 3.1.3 故障诊断方法 | 第32-33页 |
| 3.2 滚动轴承振动信号分析 | 第33-40页 |
| 3.2.1 滚动轴承振动信号数据 | 第33-34页 |
| 3.2.2 振动信号时域分析 | 第34-37页 |
| 3.2.3 振动信号频域分析 | 第37-40页 |
| 3.3 振动信号特征参数 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 神经网络模型及数据增强 | 第43-55页 |
| 4.1 神经网络模型设计 | 第43-52页 |
| 4.1.1 前馈神经网络结构 | 第43-45页 |
| 4.1.2 激活函数选择 | 第45-47页 |
| 4.1.3 归一化处理方法 | 第47页 |
| 4.1.4 反向传播算法 | 第47-48页 |
| 4.1.5 共轭梯度算法 | 第48-51页 |
| 4.1.6 交叉熵代价函数 | 第51-52页 |
| 4.2 过度拟合分析 | 第52-53页 |
| 4.3 数据增强处理 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 滚动轴承故障分类识别 | 第55-65页 |
| 5.1 神经网络参数设计 | 第55-56页 |
| 5.2 神经元数选择 | 第56-57页 |
| 5.3 结果分析对比 | 第57-62页 |
| 5.4 工程实例验证 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 总结与展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者简介 | 第71页 |
| 攻读硕士学位期间发表的论文 | 第71-72页 |
