滚珠丝杠副故障诊断方法及试验研究

目录

第1 章 绪论

1.1 课题背景及研究目的与意义

1.1.1 课题来源

1.1.2 课题研究目的与意义

1.2 滚珠丝杠副故障诊断方法国内外研究现状

1.2.1 滚珠丝杠副故障诊断方法

1.2.2 信号降噪方法

1.2.3 故障特征提取方法

1.2.4 故障模式识别方法

1.2.5 滚珠丝杠副故障诊断研究中存在的问题

1.3 本文主要研究内容

第2 章滚珠丝杠副故障诊断试验及故障特征分析

2.1 滚珠丝杠副故障诊断试验测试系统

2.2.1 加速度传感器测点布置

2.2.2 滚珠丝杠副预置故障类型

2.3 滚珠丝杠副故障特征频率计算

2.4 滚珠丝杠副故障信号特征分析

2.5 本章小结

第3 章基于自适应经验小波变换的滚珠丝杠副故障特征提取方法

3.1 滚珠丝杠副故障振动数据预处理

3.1.1 异常数据点去除

3.1.2 匀速数据提取

3.1.3 高频噪声去除

3.2 经验小波分解方法

3.3 基于尺度空间理论和皮尔逊相关系数的经验小波变换

3.3.1 基于尺度空间理论的自适应频谱划分

3.3.2 改进自适应经验小波变换方法

3.3.3 仿真信号验证

3.3.4 滚珠丝杠副故障诊断试验验证

3.4 滚珠丝杠副故障特征参数提取

3.4.1 时域特征参数提取

3.4.2 频域特征参数提取

3.4.3 基于IAEWT的时频域特征参数提取

3.5 本章小结

第4 章基于改进卷积神经网络的滚珠丝杠副故障模式识别方法

4.1 基于BP 神经网络的故障模式分类方法

4.1.1 BP神经网络

4.1.2 滚珠丝杠副故障模式分类

4.2 卷积神经网络分类算法

4.2.1 卷积神经网络基本构架

4.2.2 基于反向传播算法的网络参数训练

4.2.3 Adam参数优化算法

4.2.4 基于BN 算法的模型优化

4.3 基于CWT-2DCNN的滚珠丝杠副故障模式识别方法

4.3.1 基于CWT-2DCNN的多分类模型建立

4.3.2 多分类模型训练

4.3.3 滚珠丝杠副故障诊断结果

4.4 二维卷积神经网络模型故障识别性能分析

4.4.1 2DCNN与1DCNN的分类性能对比

4.4.2 2DCNN与BP神经网络性能对比

4.5 本章小结

结 论

参考文献

声明

致谢