声明
摘要
第一章 绪论
1．1 钢绳芯输送带故障诊断的研究背景及意义
1．2 国内外钢绳芯输送带故障检测技术的研究现状
1．3 金属磁记忆信号分析方法国内外的研究现状
1．3．1 利用小波分析对磁记忆信号进行消噪
1．3．2 利用小波包变换对磁记忆信号的特征提取
1．3．3 小波分析与神经网络等算法结合的故障诊断方法
1．4 论文的主要研究内容及章节安排
1．4．1 本论文的主要研究内容
1．4．2 本论文的章节安排
第二章 钢绳芯输送带断带故障的检测方法
2．1 钢绳芯输送带简介
2．1．1 输送带的分类
2．1．2 钢绳芯输送带的结构
2．2 钢丝绳芯输送带断带机理的研究
2．2．1 钢绳芯输送带在正常使用情况下断裂
2．2．2 钢绳芯输送带在非正常情况下断裂
2．3 钢绳芯输送带常用的故障检测方法
2．3．1 人工检查方法
2．3．2 无损检测方法
2．4 金属磁记忆检测技术的原理及特点
2．4．1 金属磁记忆检测技术概述
2．4．2 钢绳芯输送带金属磁记忆检测原理
2．4．3 金属磁记忆检测技术用于钢绳芯输送带的优势
2．5 钢绳芯输送带磁记忆信号的采集实验
2．5．1 实验原理
2．5．2 实验平台及仪器
2．5．3 实验步骤
2．5．4 实验结果
2．6 本章小结
第三章 钢绳芯磁记忆信号奇异性的分析
3．1 奇异性指数
3．2 信号奇异性的分类
3．3 傅里叶变换与信号的规则性
3．4 基于小波变换信号奇异性的研究
3．4．1 小波变换的定义
3．4．2 信号奇异点的定位
3．5 小波变换模极大值与李氏指数的关系
3．6 小波基函数在信号奇异性检测中的选择
3．7 钢绳芯输送带应力集中区的判定
3．8 本章小结
第四章 磁记忆信号特征量的提取
4．1 信号的绝对峰值
4．2 信号的峰-峰值
4．3 信号法向分量梯度值
4．4 信号多尺度小波分解第一尺度细节分量的幅度最大值
4．5 连续小波变换能量
4．6 钢丝绳芯直径
4．7 本章小结
第五章 基于神经网络的数据融合在钢绳芯输送带的应用
5．1 数据融合的概念及分类
5．2 基于神经网络的数据融合算法
5．2．1 神经网络概念及模型
5．2．2 神经网络的结构
5．2．3 神经网络的学习方式和算法
5．3 BP神经网络
5．3．1 BP神经网络算法原理
5．3．2 BP神经网络学习规则
5．4 基于BP神经网络钢绳芯输送带的故障诊断
5．4．1 钢绳芯输送带故障诊断系统结构
5．4．2 钢绳芯输送带故障诊断BP神经网络设计
5．5 本章小结
第六章 总结与展望
6．1 总结
6．2 展望
参考文献
致谢
攻读硕士学位期间发表的论文
太原理工大学;
