论文目录 | |
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 论文研究背景及意义 | 第12-18页 |
| 1.1.1 齿轮减速电机行业背景及发展阻碍 | 第13-15页 |
| 1.1.2 齿轮减速电机故障检测的研究背景 | 第15页 |
| 1.1.3 齿轮减速电机在生产中故障诊断的研究现状 | 第15-17页 |
| 1.1.4 论文的研究意义 | 第17-18页 |
| 1.2 电机故障诊断的国内外研究现状 | 第18-20页 |
| 1.2.1 以模型分析的故障诊断方法 | 第18页 |
| 1.2.2 以信号分析的故障诊断方法 | 第18-19页 |
| 1.2.3 以数据驱动的故障诊断方法 | 第19-20页 |
| 1.3 论文的主要工作及章节安排 | 第20-22页 |
| 1.4 课题来源 | 第22-23页 |
| 第二章 微型齿轮减速直流电机故障检测实验平台的介绍 | 第23-31页 |
| 2.1 实验平台整体框架概述 | 第23-24页 |
| 2.2 实验硬件平台介绍 | 第24-29页 |
| 2.2.1 微型齿轮减速直流电机 | 第24-26页 |
| 2.2.2 直流稳压电源 | 第26页 |
| 2.2.3 齿轮减速电机测量平台 | 第26-28页 |
| 2.2.4 振动信号转换平台 | 第28-29页 |
| 2.3 实验平台的软件平台介绍 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 微型齿轮减速直流电机振动信号特征工程的研究 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 基于STFT特征工程的研究 | 第31-35页 |
| 3.2.1 基于STFT的振动信号的特征提取流程 | 第31-33页 |
| 3.2.2 基于STFT的振动信号的特征分析及选择 | 第33-35页 |
| 3.3 基于HHT特征工程的研究 | 第35-41页 |
| 3.3.1 基于HHT的振动信号的特征提取流程 | 第35-38页 |
| 3.3.2 基于HHT的振动信号的特征分析及选择 | 第38-41页 |
| 3.4 基于1/3 octave- PCA特征工程的研究 | 第41-44页 |
| 3.4.1 基于1/3 octave-PCA的振动信号的特征提取流程 | 第41-42页 |
| 3.4.2 基于1/3 octave-PCA的振动信号的特征分析及选择 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 故障检测系统的分类模型研究 | 第41-71页 |
| 4.1 引言 | 第45页 |
| 4.2 故障检测系统的分类模型效果评估指标介绍 | 第45-46页 |
| 4.3 基于SVDD分类模型研究 | 第46-50页 |
| 4.3.1 SVDD分类模型基本结构和原理 | 第47-49页 |
| 4.3.2 基于SVDD分类模型的振动信号分类实验分析 | 第49-50页 |
| 4.4 基于CNNs分类模型研究与设计 | 第50-62页 |
| 4.4.1 卷积神经网络基本结构 | 第51-54页 |
| 4.4.2 故障检测系统的CNNs分类模型设计 | 第54-58页 |
| 4.4.3 故障检测系统的CNNs分类模型的训练及实验分析 | 第58-62页 |
| 4.5 基于LSTMs分类模型研究与设计 | 第62-68页 |
| 4.5.1 长短期记忆神经网络基本结构 | 第63-64页 |
| 4.5.2 故障检测系统的LSTMs分类模型设计及实验分析 | 第64-68页 |
| 4.6 故障检测系统分类模型的实验结果及分析 | 第68-69页 |
| 4.7 本章小结 | 第69-71页 |
| 第五章 微型齿轮减速直流电机故障检测系统的实现 | 第71-77页 |
| 5.1 引言 | 第71页 |
| 5.2 JL-12FN20-37 型号齿轮减速直流电机故障检测系统硬件平台介绍 | 第71-73页 |
| 5.3 JL-12FN20-37 型号齿轮减速直流电机故障检测系统软件平台介绍 | 第73-74页 |
| 5.4 JL-12FN20-37 型号齿轮减速直流电机故障检测系统的性能测试 | 第74-76页 |
| 5.5 本章小结 | 第76-77页 |
| 总结与展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85-86页 |
| 致谢 | 第86-87页 |
| 附件 | 第87页 |
