文摘
英文文摘
1 绪论
1.1 机械故障诊断概述
1.1.1 通风机故障诊断的发展过程
1.1.2 通风机故障诊断技术现状
1.1.3 通风机故障诊断技术发展趋势
1.2 神经网络和信息融合技术在通风机故障诊断领域中的应用
1.2.1 神经网络在通风机故障诊断中的应用情况
1.2.2 信息融合技术在通风机故障预警中的应用情况
1.3 课题研究的目的和意义
1.3.1 课题的目的
1.3.2 课题的意义
1.4 课题的主要研究内容
2 通风机振动原理及振动分析方法
2.1 通风机振动原理
2.2 基于塔式模型的振动分析方法
2.3 本章小结
3 基于振动分析方法的通风机故障诊断研究
3.1 引言
3.2 机械设备振动的形式及原因
3.3 振动的基本测试系统及其各部分的功能
3.4 振动分析方法
3.5 通风机故障原因及其振动特性
3.6 频域分析与时域分析在通风机故障诊断中的应用
3.6.1 通风机系统的主要参数及其特征频率
3.6.2 通风机振动测试系统
3.6.3 通风机振动信号频谱分析
3.6.4 时域无量纲指标在通风机诊断中的应用
3.7 本章小结
4 神经网络在通风机故障诊断中的应用
4.1 人工神经网络原理
4.1.1 BP网络及BP网络学习算法
4.1.2 改进BP算法的思路和步骤
4.2 通风机神经网络诊断
4.2.1 典型故障特征提取
4.2.2 神经网络建立
4.3 工程应用
4.4 本章小结
5 小波神经网络智能诊断方法
5.1 小波神经网络的构造
5.2 小波基波选择的标准
5.3 基于小波网络预测模型的建立
5.4 通风机故障预测分析
5.5 本章小结
6 基于神经网络与证据理论的通风机故障预警研究
6.1 引言
6.2 信息融合技术
6.3 多参数综合预警模型在矿用主通风机故障预警中的应用
6.3.1 局部融合模块
6.3.2 全局融合模块
6.3.3 应用实例
6.4 本章小结
7 基于组态软件的矿用主通风机故障预警系统的研究
7.1 组态王KingView
7.2 软件平台的编程
7.2.1 数据采集
7.2.2 数据处理
7.2.3 风机特性曲线
7.2.4 软件平台界面
7.3 故障预警软件结构设计
7.3.1 预警软件的组成及原理
7.3.2 数据采集模块的设计
7.3.3 神经网络诊断模块的设计
7.3.4 证据融合模块的设计
7.4 本章小结
8 结论
8.1 论文完成的主要工作
8.2 论文的主要结论
8.3 今后的工作展望
附录A
附录B
参考文献
致谢