文摘
英文文摘
致谢
第一章:绪论
§1.1选题意义
§1.2技术发展现状综述
1.2.1状态监测系统技术现状
1.2.2故障诊断技术现状
1.2.3状态预测技术现状
§1.3主要研究内容
论文主要研究内容
第二章:虚拟旋转机械状态监测仪器系统设计
本章摘要
§2.1引言
§2.2系统总体设计原理
2.2.1虚拟仪器系统思想
2.2.2系统总体结构
2.2.3系统设计原理
§2.3系统分机设计
§2.4管理分析软件平台设计及实现
2.4.1软件平台规划设计
2.4.2软件平台设计实现
§2.5系统实践
§2.6本章小结
第三章:特征提取方法研究
本章摘要
§3.1引言
§3.2三维空间振动的特征提取方法
§3.3基于子波变换的CPB谱实现方法
§3.4信号采样方式分析
3.4.1整周期信号采样方式
3.4.2 fs=2.56f0采样方式
§3.5本章小结
第四章.智能信息处理——软计算技术理论
本章摘要
§4.1引言
§4.2神经网络
4.2.1概述
4.2.2神经网络模型
4.2.3 BP网络及改进学习算法
4.2.4前向神经网络训练中的几个问题
§4.3模糊理论及模糊神经网络
4.3.1概述
4.3.2隶属度函数和贴近度
4.3.3模糊神经网络
§4.4混沌理论
§4.5本章小结
第五章:基于组合式模糊神经网络的旋转机械故障诊断方法研究
本章摘要
§5.1引言
§5.2旋转机械故障的特性及故障特征
5.2.1旋转机械故障的特性
5.2.2旋转机械故障特征
§5.3基于前向神经网络的旋转机械故障诊断模型
§5.4基于组合式模糊神经网络的旋转机械故障诊断模型研究
5.4.1模型总体结构
5.4.2模糊神经网络构造
5.4.3第一层决策模糊神经网络
5.4.4第二层诊断模糊神经网络模块
5.4.5模型的推理过程
5.4.6多种故障特征信息的融合
§5.5基于组合式模糊神经网络的故障诊断辅助系统设计与实现
5.5.1系统设计
5.5.2系统实现
§5.6基于组合式模糊神经网络的故障诊断辅助系统实践
§5.7本章小结
第六章:基于模式识别的组合式神经网络旋转机械状态预测方法研究
本章摘要
§6.1引言
§6.2旋转机械状态预测
6.2.1旋转机械状态预测任务
6.2.2可预测性分析
6.2.3旋转机械状态可预测性和状态变化特性分析
§6.3基于神经网络的预测
6.3.1基本原理
6.3.2基于历史事件和基于当前事件的预测
6.3.3对具有差异较大的分段函数变化规律的特征参数预测
§6.4基于模式识别的组合式神经网络状态预测模型
6.4.1模型总体结构及工作原理
6.4.2对某种工作状态模式下某个特征参数时间序列的预测
6.4.3神经网络输入变量数确定
6.4.4神经网络隐含层神经元数确定
6.4.5多步预测能力评价
§6.5基于模式识别的组合式神经网络旋转机械状态预测系统
§6.6本章小结
第七章:结论与展望
§7.1主要结论
§7.2进一步研究工作展望
附录A:系统分机硬件设计原理
A.1电涡流信号采集分机硬件设计
A.2压电信号采集分机硬件设计
A.3工艺量信号采集分机硬件设计
A.4系统控制分机硬件设计
附录B:系统分机软件设计原理
B.1电涡流信号采集分机监控软件设计
B.2压电信号采集分机监控软件设计原理
B.3工艺量信号采集分机监控软件设计
B.4系统控制分机监控软件设计
参考文献
攻读博士学位期间发表的论文和科研成果