旋转机械的自学习故障诊断方法研究

目录

声明

第1 章 绪论

1.1课题研究背景、目的和意义

1.2 国内外研究现状

1.2.1 旋转机械振动信号特征提取方法研究现状

1.2.2旋转机械故障诊断技术研究现状

1.3 本文主要研究内容

第2 章 旋转机械故障诊断实验

2.1.1滚动轴承结构

2.1.2滚动轴承常见故障形式

2.2.1故障诊断实验平台设计

2.2.2数据采集系统的设计

2.3故障诊断实验设计

2.4本章小结

第3章 基于EEMD和改进SVD差分谱的振动信号特征提取方法

3.1引言

3.2 EEMD的基本原理

3.3 SVD差分谱理论

3.4 改进SVD差分谱理论

3.5 EEMD和改进SVD差分谱的振动信号特征提取方法

3.6实验验证

3.7特征提取效果对比

3.8本章小结

第4 章 基于AP 聚类和BP 神经网络的自学习故障诊断方法

4.1 引言

4.2 AP 聚类算法

4.3 BP 神经网络

4.3.1 BP神经网络基本概念

4.3.2 误差反向传播机制

4.4 AP 聚类和BP 神经网络的自学习故障诊断方法

4.5 实验验证

4.5.1 特征提取方法一模型验证

4.5.2 特征提取方法二模型验证

4.5.3 特征提取方法三模型验证

4.5.4 模型评价

4.6 本章小结

第5 章 自学习故障诊断算法实验验证

5.1 自学习故障诊断算法实验框架

5.2 基于EEMD和改进SVD差分谱的振动信号特征提取

5.3 基于AP 聚类和BP 神经网络的自学习故障诊断

5.4 本章小结

总结与展望

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢