声明
摘要
插图索引
附表索引
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状及存在的问题
1.2.1 数控机床故障诊断技术研究现状
1.2.2 知识发现及其在故障诊断方面应用现状
1.2.3 软计算理论与智能故障诊断研究现状
1.3 本文课题来源和主要工作
1.3.1 课题来源
1.3.2 研究目标
1.3.3 主要工作
1.3.4 解决的关键问题
1.3.5 本文采取的研究方法
1.4 本文技术路线
1.5 本文组织结构
第2章 主轴组件振动机理分析及实验设计
2.1 引言
2.2 主轴组件振动信号的产生机理---滚动轴承
2.2.1 主轴用滚动轴承的振动机理
2.2.2 滚动轴承振动的基本参数
2.2.3 主轴滚动轴承故障振动信号分析
2.3 主轴组件振动信号的产生机理---齿轮
2.3.1 齿轮齿面磨损和剥落故障机理
2.3.2 齿轮振动分析及特征频率的计算
2.3.3 主轴齿轮故障信号特点及其分析
2.4 实验设计
2.4.1 实验目的
2.4.2 实验内容
2.5 本章小结
第3章 数据采集与数据融合研究
3.1 引言
3.2 数据采集系统及预处理
3.2.1 传感器及信号采集
3.2.2 信号预处理单元
3.3 数据融合
3.3.1 数据融合的必要性
3.3.2 数据融合过程
3.3.3 数据融合方法及算法
3.3.4 数据融合效果评价
3.4 本章小结
第4章 基于粗糙集及聚类技术的主轴轴承故障知识获取
4.1 引言
4.2 粗糙集基本概念
4.3 知识与知识表达系统的粗糙集表述
4.4 知识属性约简与规则提取算法
4.4.1 基于属性重要度的约简算法
4.4.2 基于区分矩阵的属性与值约简算法
4.5 聚类分析
4.5.1 k-均值聚类算法
4.5.2 等间距聚类算法
4.6 基于等间距聚类与属性重要度约简的主轴轴承组件故障诊断实例
4.6.1 主轴轴承组件及其故障数据表
4.6.2 故障数据离散化
4.6.3 数据约简
4.6.4 知识规则获取
4.7 基于k-均值聚类与区分矩阵约简的主轴轴承组件故障诊断实例
4.7.1 主轴轴承组件及其故障数据表
4.7.2 基于k-均值聚类的故障数据离散化
4.7.3 区分矩阵约简数据
4.7.4 知识规则获取
4.8 本章小结
第5章 基于神经网络的主轴齿轮故障知识获取
5.1 引言
5.2 故障数据测点布置位置优化
5.2.1 测点选择问题
5.2.2 有限元模态分析
5.2.3 测点布置方案
5.2.4 有限元正弦简谐载荷响应分析
5.2.5 最终测点优化选择
5.3 振动特征提取
5.4 基于神经网络的齿轮故障知识获取
5.4.1 神经网络知识获取概述
5.4.2 BP神经网络
5.4.3 用于主轴齿轮故障知识获取的BP神经网络算法及例证
5.5 本章小结
结论
1.全文总结
2.不足及展望
参考文献
致谢
附录A 攻读学位期间所发表的学术论文及科研成果目录
附录B 攻读学位期间所参与科研项目目录
附录C 论文中所用部分算法的MATLAB程序清单
C.1 K-均值聚类算法程序
C.2 区分矩阵约简程序