文摘
英文文摘
本人声明
第一章绪论
1.1设备故障诊断技术发展概述
1.1.1设备故障诊断技术发展概述
1.1.2电机故障诊断的特点和方法
1.2本课题研究的目的和意义
1.3本论文的安排和主要内容
第二章电机轴承故障诊断简述
2.1电机轴承故障特征分析
2.1.1滚动轴承简介和振动机理
2.1.2电机滚动轴承动力学分析
2.1.3电机滚动轴承的内部振动源
2.2电机轴承常见故障类型
2.3电机轴承故障特征频率分析[51]
第三章小波分析理论及其在信号消噪、特征提取中的应用
3.1小波分析理论简述
3.1.1小波分析的定义[8]
3.1.2多分辨率分析[8,46]
3.1.3小波包分析[8]
3.1.4小波或小波包分解的信号重构[48]
3.1.5小波或小波包分解的直观表示[46]
3.2基于小波分析的信号处理
3.2.1信噪分离
3.2.2频带分析技术
3.3利用小波包分析进行电机轴承故障的特征提取
第四章人工神经网络的诊断方法
4.1人工神经网络故障诊断简述
4.1.1人工神经网络的故障诊断能力
4.1.2神经网络故障诊断技术的特点
4.2BP神经网络算法概述
4.2.1BP网络的拓扑结构
4.2.2BP网络的动力学过程[47]
4.2.3BP网络的学习算法
4.2.4BP网络的算法框图
4.3BP网络的设计考虑
4.3.1设计的理论依据
4.3.2输入与输出层的设计
4.3.3隐层的数目
4.3.4隐含层节点数选择
4.3.5几个网络参数值的选择
4.3.6训练集和测试集的选取与优化
4.4Levenberg-Marquardt BP法
4.4.1BP算法的缺陷
4.4.2BP算法的改进
4.4.3Levenberg-marquardt BP算法简介
第五章电机轴承故障信号采集
5.1电机轴承振动信号采集实验方案
5.1.1实验装置简介
5.1.2数据采集系统的组成
5.1.3测点选择
5.2实验
5.3振动信号谱分析
5.3.1谱分析原理
5.3.2实验电机轴承故障特征频率
5.3.3振动信号的谱分析
第六章小波-神经网络诊断方法在电机轴承故障诊断中的应用
6.1小波神经网络简介
6.1.1小波神经网络的结合途径
6.1.2小波分析与神经网络的松散型结合
6.2松散型小波神经网络故障诊断的基本构思
6.2.1松散型小波神经网络构思
6.2.2松散型小波神经网络故障诊断过程的具体内容
6.3实验数据的预处理
6.4电机轴承故障模式识别
6.4.1电机轴承故障特征向量的提取
6.4.2 LMBP网络结构的确定
6.4.3 LMBP网络基本指标
6.4.4通过试训练确定隐层节点个数
6.4.5网络训练
6.4.6模式识别
6.5滚珠点蚀劣化趋势诊断
结论及今后的工作方向
参考文献
附录
附录1名词解释
附录2表
致 谢
攻读学位期间发表的学术论文目录