一、更换半轴轴承的技巧（论文文献综述）
郑恒[1]（2021）在《特征降维方法在变工况滚动轴承故障诊断中的应用研究》文中研究指明
赵建通[2]（2021）在《基于小样本数据的球轴承滚道缺陷传递迁移诊断方法研究》文中研究说明
雍壮[3]（2021）在《液压电磁断路器优化设计及解锁可靠性研究》文中提出
宇文江[4]（2021）在《罗茨风机日常检修与维护操作》文中提出罗茨风机是煤层气加压过程中的重要设备,随着时代的发展,居民民生引起社会各界重视,为了保证居民民生及煤层气工业用户发电,在这种社会需求背景下,罗茨风机被广泛使用,但是由于使用频率比较高,因此经常容易出现故障,从而耽误装置的平稳运行,本文对此展开研究,通过运行原理的叙述,从而总结当前出现故障的各种原因,进而提出一些措施去进行检修和维护,最大可能的保障其正常运转。
刘萌[5]（2021）在《基于知识图谱的复杂产品装配指南的问答系统设计研究》文中提出知识图谱是人工智能应用重要基础资源,以人工智能与制造业结合的智能制造领域也逐渐成为新一代产业革命的核心发展方向。高价值的复杂产品因其复杂性,导致装配困难易错,装配指南便成为了非常重要的辅助工具,利用知识图谱这种图结构的数据格式来储存装配信息数据,更便于这类复杂知识在计算机系统中的存储与检索,以实现装配的快速问答与时效性强的指导,将装配环节也推进到智能制造。本文基于知识图谱技术工具,结合交互设计方法,以AGV智能车这一复杂产品的装配知识为知识库,设计了一款直观、高效、易学的装配指南问答系统。首先是根据企业的项目需求,将AGV智能车内部的核心工作装置——移载装置进行机械结构设计,并将所涉及的专用零件以及标准件分类命名,梳理成结构化的数据库以便导入到知识图谱图数据中;接着将结构化数据中的元素与图数据库Neo4j中的节点和边进行关系对应匹配,并根据零件的分组给不同组不同性质的零部件设置不同颜色与连接方式,然后按照既定规则将数据逐条手动输入到Neo4j中形成图形数据,并为之后检索作数据支持;紧接着根据以用户为中心的设计法则设计装配指南的智能问答系统,从心理模型的建立开始,探索用户需求、用户使用流程,并定下交互逻辑与流程,再到界面视觉的设计,整体设计符合工业风格以给人专业的感觉,并加入场景化的设计以减轻用户对界面的认知负担;设计制作好界面后,根据其界面设计规范进行前端开发,后端是知识图谱和可视化素材的结合,并采用前后端分离框架开发出整个系统;开发后进行对照实验验证其可用性,实验证明该系统确实可以提高装配效率,并降低了学习成本。经具体案例的验证本文成功开发了一款界面简洁、直观,使用起来方便、效率,结果信息提供快捷、准确的装配指南智能问答系统,是知识图谱可视化领域实体信息录入使用的一种探索,为智能制造贯彻整个研发设计流程提供了新的思路,提供了一种知识存储、知识再利用的良好方式,也为简化装配工作及其售后维修工作提供了新的方法。
王志峰[6]（2021）在《基于B/S架构的轴承数据管理系统前端开发与设计》文中提出轴承是工业中的基础元件,应用范围广,轴承设计就成为了机械设计中的重要环节。由于轴承类型多样,应用工况复杂,因此造成了轴承的设计参数多而复杂,不同的公司所生产的轴承类别也千差万别。设计人员在设计轴承时需要查找大量的相关资料,使设计工作繁琐。为了提高设计人员的设计效率,设计开发一套轴承数据管理系统具有一定的现实意义。轴承数据管理系统采用B/S架构,运用MVVM前后端分离模式开发,主要用于设计人员日常设计轴承时对轴承数据的查找和导出。本文通过互联网技术、数据可视化技术完成了系统前端的设计。系统所有模块均部署到云端服务器,按照Restful API规范提供接口,使用vue.js作为开发框架、webpack构建技术、elementui、iview组件、结合echarts工具实现页面的整体设计和数据的展示。前后端数据通过Axios技术进行交互,数据双向绑定,提升开发效率。轴承数据管理系统主要包括登录模块、首页显示模块、轴承管理模块、信息管理模块、系统设置模块。在各个模块中主要包含了数据管理、数据可视化展示等功能。系统开发完成后,在对系统前端进行功能、UI界面、安全性测试后,结果表明各功能模块均能正常运行,页面显示完整,符合设计要求。
赵健[7]（2021）在《内齿式回转支承参数化分析与动态设计》文中研究表明回转支承以其结构紧凑、传动平稳、能够承载多个方向载荷等优点,广泛运用到工业机器人、工程机械等领域。内齿式单排四点接触球式回转支承,作为工业机器人腰部回转机构典型的核心基础零部件,内部接触关系复杂,现阶段对其动态特性的研究相对较少,在设计过程中很少考虑关键设计参数和工况条件的影响。建立尽可能符合工程实际的回转支承多体系统动力学分析模型,分析其动态特性并进行动态优化设计显得愈发迫切和重要。从多体动力学层次出发,本文开展内齿式单排四点接触球式回转支承的动力学参数化建模、仿真分析与动态优化设计。（1）基于Hertz接触理论,计算了回转支承内部各元件间的等效接触刚度,推导了回转支承在不同类型载荷作用下的载荷分布计算公式,利用多体动力学方法,获得了回转支承的接触变形和应力分布规律。考虑滚动体与内外圈滚道、保持架兜孔及内齿圈的轮齿间的动态接触关系,建立了回转支承参数化多体接触动力学模型,计算分析了单一关键设计参数对回转支承动态特性的影响规律。研究结果表明:一定范围内增加沟道曲率半径和保持架兜孔间隙,会对回转支承承载能力和内齿圈质心振动位移产生不良影响,而初始接触角和齿变位系数增加,回转支承动态性能将大幅变优。（2）基于回转支承参数化动力学模型,采用试验设计（DOE）方法,对回转支承的多个关键设计参数进行全因子试验设计和计算,获得了多个关键设计参数影响下的回转支承动态设计计算结果。结合线性加权法,运用不同统一量纲方法和权系数求解方法构造了新目标函数,提出了基于多体动力学分析的回转支承多变量多目标优化设计方法,计算获得最优参数组合结果,对比分析了优化结果,各性能参数均得到明显的提升。在此基础上,计算分析了回转支承多个周期动力学特性,探究不同滚动体与不同滚道接触力的变化规律。（3）基于回转支承参数化动态优化设计模型,在不同工况条件下,计算分析了回转支承的动态特性。考虑工业机器人机身结构的影响,构建实际运行过程中的变速变载工况条件,在此基础上,计算分析实际工况条件对回转支承动态特性的影响规律。分析发现:定工况条件下,驱动转速对回转支承动态特性影响最大,外加载荷会对内齿圈质心轴向振动位移产生较大影响。变速变载工况条件下,驱动转速突变阶段,齿轮啮合力和内齿圈质心径向振动位移波动最大,容易发生断齿现象,外加载荷突变阶段,滚动体与滚道接触力和内齿圈质心轴向振动位移波动最大,容易发生滚道损坏。
刘应东[8]（2021）在《基于平衡分布自适应迁移的变工况轴承故障诊断研究》文中提出轴承作为机械设备中不可缺少的零部件之一,起着支撑轴和承受载荷的双重作用。轴承在长时间、高速的工作环境下容易发生疲劳损坏。如果未能在轴承发生严重损坏前及时对轴承进行更换或维修,那么极易导致生产事故的发生。因此,提前识别轴承的运行状态显得非常重要。传统机器学习方法需要满足训练集与测试集具有相同分布的要求,即要求在拾取振动信号时,设备的运行工况基本维持稳定。然而除实验室等少数场景能满足该条件外,通常情况下,机械设备在实际的运行过程中,其工况往往会根据实际的生产需求发生改变。因此,针对变工况的轴承故障诊断问题,传统的机器学习方法存在较大的局限性。为解决上述问题,本文以滚动球轴承为实验对象,采用平衡分布自适应方法（BDA）,实现了对变工况条件下的轴承故障诊断。BDA方法首先将两种不同工况的特征样本通过核方法映射到Hilbert特征空间中,以MMD距离作为两类特征样本分布距离的判别标准,然后通过减小特征空间中各轴承状态对应的分布距离来实现不同工况样本分布距离的适配拉近。最后使用KNN分类器对分布适配后的样本进行分类识别,从而解决了变工况条件下的轴承故障诊断问题。首先,考虑到要能够全面的描述轴承的故障状态,提取了轴承信号的时域、频域以及时-频域特征作为BDA方法的输入样本。并通过仿真样本和西储大学（CWRU）轴承数据验证了BDA方法的可行性,确定了迭代次数T的取值。然后,为获得在不同工况条件下的轴承振动数据,借助MCVN105的ABLT-1A型轴承试验台,设计了变工况的轴承故障数据采集实验。通过搭建采集系统,拾取在不同轴承故障尺寸、不同负载和不同转速下的轴承振动信号。最后,使用MCVN105轴承数据进行同试验台的变工况轴承迁移诊断,以及使用CWRU轴承数据作为源域,MCVN105轴承数据作为目标域的跨试验台的变工况轴承迁移诊断验证了BDA方法的效果。同时,与使用PCA、KPCA、TCA和JDA方法的诊断结果进行比较。结果表明,BDA方法对不同工况条件下的轴承故障诊断具有更好的效果。
吕明珠[9]（2021）在《风力机高速轴轴承状态退化评估与剩余寿命预测方法研究》文中认为随着全球能源短缺和环境污染的加剧,风能作为一种储量丰富、清洁安全的可再生能源受到了人们的高度关注,风力发电是风能利用的最有效途径,近年来呈迅猛发展的趋势。风力机各部件的状态退化评估与剩余寿命预测是直接影响风电场可用度和经济效益的两个重要因素,逐渐成为风电领域的重要研究课题。传动系统是风力机的核心部分,轴承是传动系统的关键元件,一旦发生故障会导致整个传动系统运行失效,因此,对风力机轴承进行状态监测和故障预测具有重要的工程意义。状态监测的主要目的是判断轴承的健康状况,以便于及时处理已经发生或即将发生的故障,保证运行的可靠性和降低维修成本。风力机轴承运行工况复杂、个体差异明显、维护维修困难,现有的退化评估和故障预测无法满足风电行业对风力机健康状态管理的需求。本文提出了信号处理、特征提取、跨域诊断、状态识别、寿命预测“五位一体”的智能运维模式,研究了风力机轴承的状态退化评估与性能趋势预测方法,构建了跨机器故障诊断深度迁移学习网络,提出了有效的早期退化检测方法,实现了退化过程的跟踪和在线剩余寿命预测,建立了多源信息融合的新型预测模型。本研究围绕风力机高速轴轴承的退化评估与剩余寿命预测的关键理论和方法进行了深入探索,主要内容包括:（1）针对轴承运行状态难以划分和性能趋势预测准确度不高的问题,提出了两种方法,分别为基于变分模态分解-自适应模糊C均值-支持向量机（VMD-AFCM-SVM）的状态退化评估方法和改进的LSTM性能趋势预测方法。其中的VMD-AFCM-SVM算法采用相对特征建立敏感特征数据集,利用聚类评价指标构造自适应函数,实现了模型聚类结果的自动更新,获得了轴承运行过程中的最佳状态数,确定轴承在不同状态退化下的时间间隔,实现轴承的健康等级评估。此外,提出的改进LSTM方法是一种基于误差最小化的实时参数更新方法,能够在样本数据较少的情况下在线更新模型,解决了传统的LSTM模型不能合理利用在线数据的问题,以辛辛那提大学IMS提供的全寿命轴承数据集和实际风力机高速轴轴承数据集为例,验证了所提方法的有效性。（2）针对实验室轴承故障诊断技术泛化能力不强和真实轴承故障数据标记困难的问题,提出了一种新型的适用于跨机器故障诊断的方法叫做具有多核动态分布适配的深度迁移网络,所提的深度迁移网络具有宽的第一层卷积核和几个小的卷积层,用于提取不同机器之间的可迁移特征,同时抑制高频噪声。然后,使用多核动态分布适配方法构造一个加权混合核函数,将不同的可转移特征映射到统一的特征空间,并动态评估边缘分布和条件分布的相对重要性。通过三个轴承迁移学习任务验证了该方法的有效性,利用两个不同的实验室轴承的诊断知识来识别真实情况下的风力机轴承的健康状态。结果表明,与其它主流方法相比,即使在不同的噪声环境下该方法仍可以获得较高的诊断精度和较好的迁移性能,所提框架为跨机器故障诊断提供了一种有发展前景的方法。（3）针对轴承微弱故障特征易受噪声干扰且退化起始点难以确定的问题,提出了一种基于自适应变分模态分解和包络谐噪比的滚动轴承早期退化检测方法。首先,采用灰狼优化算法自适应地获得变分模态分解的分解层数和二次惩罚因子,以最小平均包络熵为目标函数获得最佳参数组合。其次,通过引入有效加权稀疏峭度指数实现了有效模态分量和噪声模态分量的分离,使重构后的信号滤除了干扰而保留了故障信息。最后,计算了重构信号的包络谐噪比,利用其对周期性故障冲击的敏感性实现了滚动轴承早期退化起始点的检测。（4）针对传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命预测准确度不高的问题,提出了基于包络谐噪比和无迹粒子滤波相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的包络谐噪比监测轴承的早期退化点并提取其趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,再利用无迹粒子滤波算法更新模型参数,实现对轴承状态退化的跟踪和预测。使用实际风力机轴承监测数据对所提方法进行验证,结果表明该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。（5）针对单一信号源不能全面反映风力机轴承动态退化信息从而影响剩余寿命预测准确性的问题,提出了一种振温信号协同的新型广义对数线性威布尔剩余寿命预测模型。该模型通过构造协变量的形式综合考虑了振动和温度监测信号对轴承劣化的影响,所提预测方法共分两个阶段。在特征提取阶段,从监测的振动信号中提取相对均方根,并从监测的温度信号中提取相对温度趋势值,以消除轴承的个体差异和随机信号波动。然后,引入模糊算子来描述“轴承过热”和“轴承过度振动”的程度,解决了不同故障下两种特征变化不同步的问题。在剩余寿命预测阶段,提取的振动和温度模糊算子均用于建立预测模型,使用最大似然估计方法获得模型的最佳参数。再通过均方根误差和平均绝对百分比误差两个指标来度量模型的预测性能。
陈进[10]（2021）在《基于机器视觉的轴承缺陷检测技术研究》文中认为轴承表面缺陷会严重影响产品的质量、实用性、美观性和安全性,在实际生产中将不合格产品自动识别出来是至关重要的。在工业环境中,轴承表面缺陷具有随机多变、缺少固定形态等特性,人工识别和基于传统图像处理的视觉方法检测精度并不高,而深度学习所需要的海量图像数据和标签数据在此场景下又很难获得。本文基于深度学习的思想,以轴承表面缺陷为切入点,通过合成图像数据的方式,快速获得训练图像及标签,应用卷积神经网络对轴承表面缺陷开展检测研究。本文主要研究内容包括如下几个方向:（1）设计了轴承表面缺陷检测系统,从划痕和形变两类缺陷入手,分析了不同缺陷之间的三维特性以及对应的成像原理,采用不均匀光照凸显形变缺陷特征,采用均匀光照凸显划痕和文字特征,为后续的检测算法打下基础。（2）提出了基于深度学习的划痕检测及文字识别方法,通过基于前景背景+融合的合成数据集方法,生成与真实图片风格一致的合成图用于训练,提出ROI区域转换模块将检测与识别模块联合。在检测过程中,将并行的高分辨率网络融入缺陷检测网络中,解决缺陷尺寸跨度大的问题。实验结果对比表明了方法的优越性。（3）提出了基于类级别对抗生成网络的轴承表面形变缺陷检测方法,通过三维建模软件生成了大量合成图像和标签数据用于神经网络学习不同数据集之间的特征差异,通过合成图像数据集与部分真实图像数据集进行联合训练,增强模型的泛化能力。实验结果表明类级别对抗生成网络的有效性。（4）设计并实现了轴承表面缺陷检测软件系统。首先提出了轴承缺陷检测软件系统的总体设计框架和功能模块的整体规划;接着分别介绍了系统开发中数据库设计、模型前向传播加速等内容;最后展示了轴承缺陷检测软件系统的功能和测试结果,验证了其有效性和实用性。
二、更换半轴轴承的技巧（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、更换半轴轴承的技巧（论文提纲范文）
（4）罗茨风机日常检修与维护操作（论文提纲范文）
| 引言 |
| 1.工作原理 |
| 2.罗茨风机日常检修 |
| 3.罗茨风机故障现象 |
| 4.罗茨风机故障原因剖析 |
| (1)转子分、合叶间隙不符合要求 |
| (2)轴承方面的损坏 |
| 5.罗茨风机维护对策 |
（5）基于知识图谱的复杂产品装配指南的问答系统设计研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 AGV智能车研究现状 |
| 1.2.2 知识图谱研究现状 |
| 1.2.3 装配指南的问答系统研究现状 |
| 1.3 研究内容与思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路 |
| 第二章 AGV智能车建模及零件信息设计 |
| 2.1 AGV智能车模型设计与三维建模 |
| 2.1.1 需求分析 |
| 2.1.2 功能结构设计 |
| 2.1.3 国标零件选型 |
| 2.1.4 三维数字建模 |
| 2.2 AGV智能车零件数据信息整合 |
| 2.2.1 装配零件分类及命名研究 |
| 2.2.2 零件分类与命名 |
| 2.2.3 装配关系知识库建立 |
| 2.3 本章小结 |
| 第三章 知识图谱的设计构建 |
| 3.1 面向复杂产品装配的知识图谱研究 |
| 3.1.1 复杂产品装配知识图谱建立路线制定 |
| 3.1.2 图数据库概述 |
| 3.2 知识图谱设计构建 |
| 3.2.1 AGV智能车装配关系知识图谱构建规则 |
| 3.2.2 装配关系知识对应关系建立 |
| 3.2.3 基于neo4j图数据库的装配关系数据库建立 |
| 3.3 复杂产品装配知识图谱结构特征分析 |
| 3.3.1 装配关系在知识图谱中的形状 |
| 3.3.2 装配关系知识图谱可视化探究 |
| 3.3.3 可视化素材收集制作 |
| 3.4 本章小结 |
| 第四章 智能问答系统交互设计及其实现 |
| 4.1 用户需求分析 |
| 4.1.1 用户体验设计方法 |
| 4.1.2 用户心理模型研究 |
| 4.1.3 用户需求总结分析 |
| 4.2 系统交互设计 |
| 4.2.1 交互系统功能与内容 |
| 4.2.2 交互流程设计 |
| 4.2.3 信息结构设计 |
| 4.3 界面视觉设计 |
| 4.3.1 界面视觉风格设计 |
| 4.3.2 界面信息设计 |
| 4.3.3 界面规范制定 |
| 4.3.4 界面成品展示 |
| 4.4 本章小结 |
| 第五章 AGV智能车装配智能问答系统应用与验证 |
| 5.1 智能问答系统开发 |
| 5.1.1 前端开发 |
| 5.1.2 后台与数据库 |
| 5.2 对照实验验证 |
| 5.2.1 实验目的 |
| 5.2.2 实验设计 |
| 5.2.3 实验过程 |
| 5.2.4 实验结果分析 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 不足与展望 |
| 参考文献 |
| 附录 A 零件命名及装配信息结构化数据 |
| 附录 B 纸质版移载光轴说明书 |
| 攻读学位期间的研究成果 |
| 致谢 |
（6）基于B/S架构的轴承数据管理系统前端开发与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 轴承系统研究现状 |
| 1.3 前端技术发展状况 |
| 1.4 论文的主要工作 |
| 1.5 论文的组织结构 |
| 第二章 轴承数据管理系统前端需求及技术分析 |
| 2.1 轴承的结构 |
| 2.2 轴承选型的影响因素 |
| 2.3 轴承数据管理系统需求分析 |
| 2.4 轴承管理系统开发技术 |
| 2.5 轴承管理系统前端开发模式 |
| 2.6 轴承管理系统前端开发框架 |
| 2.7 系统使用的组件以及其他技术 |
| 2.8 本章小结 |
| 第三章 系统总体及各模块的设计 |
| 3.1 系统架构设计 |
| 3.2 系统登录模块设计 |
| 3.3 主页初始化界面 |
| 3.4 轴承管理功能设计 |
| 3.5 轴承信息管理功能设计 |
| 3.6 轴承系统设置功能设计 |
| 3.7 数据交互设计 |
| 3.8 本章小结 |
| 第四章 系统具体实现 |
| 4.1 系统前端项目的搭建 |
| 4.2 登录模块的实现 |
| 4.3 主页显示模块的实现 |
| 4.4 轴承管理模块的实现 |
| 4.5 轴承信息管理模块的实现 |
| 4.6 轴承系统设置模块的实现 |
| 4.7 本章小结 |
| 第五章 系统的测试 |
| 5.1 系统测试环境 |
| 5.2 系统功能性测试 |
| 5.3 轴承系统界面测试 |
| 5.4 系统安全性测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（7）内齿式回转支承参数化分析与动态设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和研究意义 |
| 1.2 回转支承研究现状 |
| 1.2.1 回转支承国外研究现状 |
| 1.2.2 回转支承国内研究现状 |
| 1.3 多体系统动态设计的研究 |
| 1.4 论文主要研究内容 |
| 第二章 回转支承承载性能的理论分析 |
| 2.1 引言 |
| 2.2 回转支承结构特点和工作原理 |
| 2.2.1 回转支承主要类型 |
| 2.2.2 单排四点接触球式回转支承工作原理 |
| 2.2.3 单排四点接触球式回转支承重要参数 |
| 2.3 单排四点接触球式回转支承接触应力与变形 |
| 2.4 单排四点接触球式回转支承载荷分布 |
| 2.4.1 轴向载荷单独作用下的载荷分布 |
| 2.4.2 倾覆力矩单独作用下的载荷分布 |
| 2.4.3 联合载荷作用下的载荷分布 |
| 2.5 本章小结 |
| 第三章 回转支承参数化设计与动力学分析 |
| 3.1 引言 |
| 3.2 ADAMS动力学分析基础理论 |
| 3.3 基于ADAMS建立回转支承动力学模型 |
| 3.3.1 参数化建模 |
| 3.3.2 接触力参数的添加及计算 |
| 3.3.3 求解器的设置 |
| 3.4 回转支承动力学模型验证 |
| 3.5 回转支承参数化分析 |
| 3.5.1 沟道曲率半径对回转支承动态特性的影响分析 |
| 3.5.2 保持架兜孔孔径对回转支承动态特性的影响分析 |
| 3.5.3 初始接触角对回转支承动态特性的影响分析 |
| 3.5.4 齿变位系数对回转支承动态特性的影响分析 |
| 3.6 本章小结 |
| 第四章 基于多体动力学分析的回转支承动态优化设计 |
| 4.1 引言 |
| 4.2 回转支承试验设计 |
| 4.3 多目标优化问题 |
| 4.3.1 多目标优化问题数学模型 |
| 4.3.2 多目标优化问题求解方法 |
| 4.4 线性加权法求解多目标优化问题 |
| 4.4.1 目标函数的创建 |
| 4.4.2 统一量纲处理 |
| 4.4.3 权系数的选取 |
| 4.5 优化结果分析 |
| 4.6 本章小结 |
| 第五章 不同工况条件下回转支承动态特性分析 |
| 5.1 引言 |
| 5.2 主要工况条件对回转支承动态特性的影响分析 |
| 5.2.1 驱动转速的影响 |
| 5.2.2 轴向载荷的影响 |
| 5.2.3 倾覆力矩的影响 |
| 5.3 变速变载工况下回转支承动态特性分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士期间成果 |
（8）基于平衡分布自适应迁移的变工况轴承故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 滚动轴承故障诊断技术研究现状 |
| 1.3.1 传统故障诊断技术 |
| 1.3.2 机器学习故障诊断技术 |
| 1.3.3 深度学习故障诊断技术 |
| 1.3.4 迁移学习故障诊断技术 |
| 1.4 本文主要研究内容 |
| 第二章 迁移学习与特征提取理论 |
| 2.1 引言 |
| 2.2 迁移学习理论 |
| 2.2.1 迁移学习基本术语 |
| 2.2.2 迁移学习分类 |
| 2.3 数据分布自适应理论 |
| 2.3.1 MMD距离 |
| 2.3.2 核方法介绍 |
| 2.3.3 边缘分布自适应 |
| 2.3.4 条件分布自适应 |
| 2.3.5 联合分布自适应 |
| 2.3.6 平衡分布自适应 |
| 2.4 特征提取理论 |
| 2.4.1 时域特征参数 |
| 2.4.2 频域特征参数 |
| 2.4.3 时-频域特征参数 |
| 2.5 本章小结 |
| 第三章 仿真分析与BDA方法参数验证 |
| 3.1 仿真样本分析 |
| 3.2 特征验证 |
| 3.2.1 试验台简介 |
| 3.2.2 特征提取过程 |
| 3.2.3 特征验证及结果分析 |
| 3.3 BDA方法参数验证 |
| 3.3.1 平衡因子u验证 |
| 3.3.2 迭代次数T验证 |
| 3.4 本章小结 |
| 第四章 变工况轴承故障实验设计 |
| 4.1 引言 |
| 4.2 实验设备介绍 |
| 4.2.1 ABLT-1A轴承试验台 |
| 4.2.2 轴承安装与加载模块 |
| 4.2.3 数据采集模块 |
| 4.3 实验方案设计 |
| 4.3.1 轴承故障尺寸设计 |
| 4.3.2 实验转速和负载设计 |
| 4.3.3 实验步骤 |
| 4.4 实验数据分析 |
| 4.4.1 时域分析 |
| 4.4.2 频域分析 |
| 4.5 本章小结 |
| 第五章 基于BDA方法的变工况轴承故障诊断 |
| 5.1 引言 |
| 5.2 实验任务说明 |
| 5.2.1 迁移诊断流程 |
| 5.2.2 对比方法和评价指标 |
| 5.3 同试验台迁移诊断 |
| 5.3.1 特征提取 |
| 5.3.2 迁移任务说明 |
| 5.3.3 诊断结果及分析 |
| 5.4 跨试验台迁移诊断 |
| 5.4.1 诊断结果及分析 |
| 5.5 本章小结 |
| 第六章 工作总结与展望 |
| 6.1 本文工作总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读硕士期间发表的学术论文 |
（9）风力机高速轴轴承状态退化评估与剩余寿命预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 风力机的主要故障模式 |
| 1.1.2 风力机轴承 |
| 1.2 状态退化评估与剩余寿命预测国内外研究现状 |
| 1.2.1 风力机状态退化评估国内外研究现状 |
| 1.2.2 轴承状态退化评估国内外研究现状 |
| 1.2.3 轴承剩余寿命预测国内外研究现状 |
| 1.3 风力机轴承状态退化评估与剩余寿命预测存在的问题 |
| 1.4 本文研究意义 |
| 1.5 本文研究内容 |
| 第2章 风力机轴承的状态退化评估与性能趋势预测 |
| 2.1 引言 |
| 2.2 基于VMD-SVM的滚动轴承状态退化识别 |
| 2.2.1 相关理论简介 |
| 2.2.2 VMD的最优分解层数和敏感分量确定 |
| 2.2.3 状态退化特征选择 |
| 2.2.4 基于VMD-SVM的状态退化识别模型 |
| 2.2.5 实验验证与结果分析 |
| 2.3 基于AFCM-SVM的滚动轴承状态退化评估 |
| 2.3.1 基于SVM的滚动轴承渐进退化过程描述 |
| 2.3.2 敏感特征提取 |
| 2.3.3 最佳状态数的确定 |
| 2.3.4 退化评估框架构建 |
| 2.3.5 实验验证与结果分析 |
| 2.4 基于改进LSTM的滚动轴承性能趋势预测 |
| 2.4.1 LSTM理论与预测方法 |
| 2.4.2 参数实时更新的LSTM预测模型 |
| 2.4.3 滚动轴承性能趋势预测流程 |
| 2.4.4 实验验证与结果分析 |
| 2.5 风力机高速轴轴承状态退化评估与预测 |
| 2.5.1 数据描述 |
| 2.5.2 状态退化评估 |
| 2.5.3 性能趋势预测 |
| 2.6 本章小结 |
| 第3章 基于可迁移特征的智能故障诊断方法 |
| 3.1 引言 |
| 3.2 跨机器故障诊断问题描述 |
| 3.2.1 迁移学习诊断思想 |
| 3.2.2 最大均值差异 |
| 3.3 领域自适应方法研究 |
| 3.3.1 动态领域适配 |
| 3.3.2 多核动态领域适配 |
| 3.4 基于可迁移特征的智能诊断模型构建 |
| 3.4.1 基于特征的迁移学习方法概述 |
| 3.4.2 深度迁移学习的网络体系结构 |
| 3.4.3 全连接层领域适配 |
| 3.4.4 网络训练策略 |
| 3.5 从实验室轴承到风力机轴承的迁移学习故障诊断实例 |
| 3.5.1 数据获取及描述 |
| 3.5.2 案例1:迁移任务CWRU轴承数据集→风力机轴承数据集 |
| 3.5.3 案例2:迁移任务QPZZ-Ⅱ轴承数据集→风力机轴承数据集 |
| 3.5.4 噪声环境下的迁移性能 |
| 3.6 分析与讨论 |
| 3.7 本章小结 |
| 第4章 风力机轴承早期退化检测方法 |
| 4.1 引言 |
| 4.2 变分模态分解及优化 |
| 4.2.1 VMD理论基础 |
| 4.2.2 灰狼优化算法 |
| 4.3 基于自适应变分模态分解和包络谐噪比的滚动轴承早期退化检测 |
| 4.3.1 自适应变分模态分解 |
| 4.3.2 有效加权稀疏峭度指标 |
| 4.3.3 包络谐噪比 |
| 4.3.4 AVMD-EHNR方法的实现过程 |
| 4.3.5 仿真验证 |
| 4.4 基于AVMD-EHNR的滚动轴承早期退化检测方法案例分析 |
| 4.4.1 滚动轴承全寿命实验数据 |
| 4.4.2 振动信号预处理 |
| 4.4.3 早期退化异常点检测 |
| 4.5 风力机高速轴轴承早期退化检测 |
| 4.5.1 风力机高速轴轴承信号采集实验 |
| 4.5.2 早期退化检测 |
| 4.6 本章小结 |
| 第5章 单源振动信号下的风力机轴承剩余寿命预测 |
| 5.1 引言 |
| 5.2 实时非线性状态跟踪方法探究 |
| 5.2.1 粒子滤波 |
| 5.2.2 无迹粒子滤波 |
| 5.3 基于包络谐噪比和无迹粒子滤波的剩余寿命预测方法 |
| 5.3.1 预测流程概述 |
| 5.3.2 早期退化检测 |
| 5.3.3 退化指标提取 |
| 5.3.4 退化模型选取 |
| 5.3.5 剩余寿命预测 |
| 5.4 风力机发电机前轴承剩余寿命预测实例 |
| 5.4.1 信号采集实验 |
| 5.4.2 剩余寿命预测与对比分析 |
| 5.5 本章小结 |
| 第6章 多源信息融合的风力机轴承剩余寿命预测 |
| 6.1 引言 |
| 6.2 风力机可靠性分析方法 |
| 6.2.1 风力机可靠性监测系统 |
| 6.2.2 威布尔比例风险模型 |
| 6.3 广义对数线性威布尔预测模型 |
| 6.3.1 基本理论 |
| 6.3.2 性能评价指标 |
| 6.4 振动信号与温度信号的特征提取方法 |
| 6.4.1 振动特征提取方法 |
| 6.4.2 温度趋势分析 |
| 6.4.3 振温信号的模糊化处理 |
| 6.5 振温信号协同的GLL-WEIBULL模型剩余寿命预测方法 |
| 6.5.1 预测流程 |
| 6.5.2 实例验证 |
| 6.6 风力机轴承剩余寿命预测实例 |
| 6.6.1 测试数据描述 |
| 6.6.2 结果分析与讨论 |
| 6.7 本章小结 |
| 第7章 结论与展望 |
| 7.1 主要结论 |
| 7.2 主要创新点 |
| 7.3 工作展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（10）基于机器视觉的轴承缺陷检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及研究意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状分析 |
| 1.2.1 轴承表面缺陷检测研究现状 |
| 1.2.2 文字检测和文字识别技术研究现状 |
| 1.2.3 合成数据集研究现状 |
| 1.3 本文研究内容与组织架构 |
| 2 轴承表面缺陷检测系统设计 |
| 2.1 系统需求 |
| 2.1.1 轴承结构分析 |
| 2.1.2 轴承表面缺陷及缺陷成像原理分析 |
| 2.1.3 系统设计目标 |
| 2.2 系统整体设计 |
| 2.2.1 系统配置 |
| 2.2.2 系统结构设计 |
| 2.3 本章小结 |
| 3 划痕检测及文字识别研究 |
| 3.1 引言 |
| 3.2 基于传统图像处理的划痕检测及文字识别方法 |
| 3.3 基于深度学习的划痕检测及文字识别方法 |
| 3.3.1 基于前景背景融合的合成数据方法 |
| 3.3.2 基于并行高分辨率网络的划痕文字检测模型 |
| 3.3.3 基于ROI转换模块的文字识别模型 |
| 3.4 实例分析 |
| 3.4.1 模型评估指标 |
| 3.4.2 预测结果 |
| 4 凹陷形变缺陷检测研究 |
| 4.1 引言 |
| 4.2 基于边缘跟踪的椭圆检测模型 |
| 4.2.1 边缘跟踪算法 |
| 4.2.2 结果分析 |
| 4.3 基于深度学习的凹陷形变缺陷检测方法 |
| 4.3.1 基于前景背景融合的合成数据方法 |
| 4.3.2 基于3D软件建模的合成数据方法 |
| 4.3.3 基于类级别对抗生成网络的形变缺陷检测方法 |
| 4.4 实例分析 |
| 4.4.1 实验设计 |
| 4.4.2 结果分析 |
| 5 软件系统设计与实现 |
| 5.1 软件设计原则 |
| 5.2 软件系统总体框架与系统结构 |
| 5.2.1 软件总体框架 |
| 5.2.2 软件功能模块 |
| 5.3 软件系统技术实现 |
| 5.3.1 数据库设计与实现 |
| 5.3.2 基于NCNN框架下的模型前向传播加速方法 |
| 5.3.3 客户端设计与实现 |
| 5.4 软件系统测试 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 攻读硕士期间取得的其他研究成果 |
四、更换半轴轴承的技巧（论文参考文献）
- [1]特征降维方法在变工况滚动轴承故障诊断中的应用研究[D]. 郑恒. 新疆大学, 2021
- [2]基于小样本数据的球轴承滚道缺陷传递迁移诊断方法研究[D]. 赵建通. 哈尔滨工业大学, 2021
- [3]液压电磁断路器优化设计及解锁可靠性研究[D]. 雍壮. 哈尔滨工业大学, 2021
- [4]罗茨风机日常检修与维护操作[J]. 宇文江. 当代化工研究, 2021(11)
- [5]基于知识图谱的复杂产品装配指南的问答系统设计研究[D]. 刘萌. 东华大学, 2021(01)
- [6]基于B/S架构的轴承数据管理系统前端开发与设计[D]. 王志峰. 宁夏大学, 2021
- [7]内齿式回转支承参数化分析与动态设计[D]. 赵健. 昆明理工大学, 2021(01)
- [8]基于平衡分布自适应迁移的变工况轴承故障诊断研究[D]. 刘应东. 昆明理工大学, 2021
- [9]风力机高速轴轴承状态退化评估与剩余寿命预测方法研究[D]. 吕明珠. 沈阳工业大学, 2021
- [10]基于机器视觉的轴承缺陷检测技术研究[D]. 陈进. 浙江大学, 2021(01)