基于多源信息融合的数控机床进给系统机械故障诊断研究 |
论文目录 | | | 摘要 | 第1-11页 | | Abstract | 第11-14页 | | 第1章 绪论 | 第14-32页 | | · 课题来源 | 第14页 | | · 课题研究的目的与意义 | 第14-15页 | | · 国内外研究现状 | 第15-27页 | | · 本论文研究的主要内容 | 第27-32页 | | 第2章 基于多维信息的数控机床状态监测系统研究 | 第32-62页 | | · 引言 | 第32页 | | · 数控机床常见故障 | 第32-38页 | | · 滚动轴承主要故障类型 | 第34-35页 | | · 滚珠丝杠主要故障类型 | 第35-36页 | | · 联轴器主要故障类型 | 第36-37页 | | · 伺服电机主要故障类型 | 第37-38页 | | · 基于振动与噪声信号的故障诊断机理 | 第38-40页 | | · 基于振动信号的滚动轴承故障诊断机理 | 第38-39页 | | · 基于振动信号的滚珠丝杠副故障诊断机理 | 第39-40页 | | · 基于噪声信号的故障诊断机理 | 第40页 | | · 基于温度信号的故障诊断机理 | 第40-43页 | | · 基于数控机床内部信息的故障诊断机理 | 第43-51页 | | · 基于伺服电机电流的故障诊断机理 | 第44-45页 | | · 基于电机扭矩的故障诊断机理 | 第45-49页 | | · 基于伺服误差的故障诊断机理 | 第49-51页 | | · 基于多维信息感知的数控机床状态监测系统 | 第51-52页 | | · 实验方案设计 | 第52-61页 | | · 信号监测模块 | 第53-56页 | | · 数据采集模块 | 第56-61页 | | · 本章小结 | 第61-62页 | | 第3章 基于多域分析的信号特征提取与选择 | 第62-86页 | | · 时域与频域分析 | 第62-66页 | | · 信号时域特征集合 | 第66-67页 | | · 信号频域特征集合 | 第67页 | | · 信号时频域特征集合 | 第67-75页 | | · 小波降噪 | 第68-71页 | | · EMD分解 | 第71页 | | · 基于小波包与EMD的信号处理方法 | 第71-74页 | | · 能量特征 | 第74-75页 | | · 信号多域混合特征集合 | 第75页 | | · 信号特征选择 | 第75-80页 | | · 相关系数与模糊聚类 | 第76-78页 | | · 类内特征优选 | 第78-80页 | | · 验证实验 | 第80-85页 | | · 数据挖掘实验 | 第80-83页 | | · 特征选择实验 | 第83-85页 | | · 本章小结 | 第85-86页 | | 第4章 数控机床故障智能识别模型 | 第86-109页 | | · 引言 | 第86-87页 | | · 多级诊断 | 第87-88页 | | · 基于遗传BP网络的数控机床故障诊断研究 | 第88-98页 | | · 遗传BP网络的构建原则 | 第88-92页 | | · 主网络遗传BP网络模型 | 第92-94页 | | · 滚珠丝杠遗传BP网络模型 | 第94-95页 | | · 滚动轴承遗传BP网络模型 | 第95-98页 | | · 基于径向基神经网络的数控机床故障诊断研究 | 第98-103页 | | · 数控机床故障诊断各模块径向基网络结构 | 第99-101页 | | · 基于径向基网络的数控机床各诊断模块模型设计 | 第101-103页 | | · 基于支持向量机的数控机床故障诊断研究 | 第103-108页 | | · 支持向量机理论 | 第103-104页 | | · 基于支持向量机的数控机床各诊断模块模型设计 | 第104-108页 | | · 本章小结 | 第108-109页 | | 第5章 基于模糊综合评判的数控机床故障诊断方法研究 | 第109-132页 | | · 基于模糊综合评判的故障诊断方法 | 第109-112页 | | · 数控机床故障诊断模糊综合评判基本模型的建立 | 第112页 | | · 基于信息熵的权值分配方法 | 第112-120页 | | · 分类能力评价函数 | 第113-117页 | | · 权重分配 | 第117页 | | · 融合规则 | 第117-118页 | | · 基于分类能力评价矩阵的综合评判 | 第118-120页 | | · 基于模糊综合评判的数控机床故障诊断实验 | 第120-131页 | | · 数据规格化 | 第120-121页 | | · 基于模糊综合评判的滚动轴承诊断模块实验 | 第121-125页 | | · 基于模糊综合评判的主网络诊断模块实验 | 第125-128页 | | · 基于分类能力评价矩阵的故障诊断实验 | 第128-131页 | | · 本章小结 | 第131-132页 | | 第6章 基于加权证据理论的数控机床故障诊断方法研究 | 第132-147页 | | · 引言 | 第132-133页 | | · 加权证据理论 | 第133-136页 | | · 加权概率分配函数 | 第134页 | | · 信任函数 | 第134-135页 | | · 似然函数 | 第135页 | | · 加权D-S证据理论合成规则 | 第135-136页 | | · 证据体规格化与加权 | 第136-137页 | | · 基于加权证据理论的故障诊断方法 | 第137-138页 | | · 基于多分类器的原始证据生成 | 第137-138页 | | · 基于加权证据理论的融合诊断 | 第138页 | | · 基于加权证据理论的故障诊断实验 | 第138-145页 | | · 基于加权证据理论的主网络模块诊断 | 第138-144页 | | · 基于加权证据理论的滚动轴承模块诊断 | 第144-145页 | | · 模糊综合评判模型与加权证据理论模型的比较 | 第145-146页 | | · 本章小结 | 第146-147页 | | 第7章 总结与展望 | 第147-150页 | | · 全文总结 | 第147-149页 | | · 研究展望 | 第149-150页 | | 参考文献 | 第150-160页 | | 攻读博士学位期间发表的学术论文及科研工作 | 第160-161页 | | 致谢 | 第161-162页 |
|
|
|
| |
