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
