一、基于知识的非标准滚动轴承专家系统的研究（论文文献综述）
杨松[1]（2021）在《基于Python的轴承信息管理系统后端的设计与实现》文中指出轴承是机械行业使用较广泛的零部件,轴承的设计与选型是机械设计工作的一部分。当前机械设计工作需要设计人员反复查阅机械设计手册和轴承知识资料,不仅降低了工作效率,还浪费了丰富的轴承数据资源。为此本文设计开发了一个以轴承数据及轴承知识为核心的轴承信息管理系统,对设计人员工作效率的提升和轴承数据资源的高效利用有着重要意义。本文的主要工作是设计实现轴承信息管理系统的后端部分,主要工作如下:（1）结合企业与系统需求,明确系统的整体功能,设计了系统后端架构,将系统划分为用户管理、信息管理、轴承管理、系统管理四个功能模块及寿命计算系统,阐述了各模块的具体业务功能并分析了系统业务运行流程。（2）使用Pycharm工具与MySQL数据库设计构建了系统数据库,通过建立轴承字段表拓展轴承表的方式提升系统拓展性,然后通过使用缓存、设置索引等方式优化系统数据库。（3）完成系统各模块业务逻辑的设计与实现,使用Swagger接口工具实现各模块接口的动态生成与可视化,将RBAC权限管理模型进行拓展,在用户角色与权限菜单间增添动作细化权限操作。最后使用Swagger和Seige工具对系统模块接口进行功能及性能测试。（4）研究了滚动轴承寿命计算的影响因素与计算方法,使用Python内置的Tkinter工具完成了滚动轴承修正寿命计算系统的设计开发,并进行了寿命计算验证测试。系统测试结果表明,系统业务功能逻辑正常;系统性能满足企业需求,达到设计和使用要求。
王志峰[2]（2021）在《基于B/S架构的轴承数据管理系统前端开发与设计》文中研究说明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。
宋林[3]（2021）在《基于注意力机制与深度学习的故障诊断方法研究》文中提出机械系统越发趋于复杂、精密以及自动化,一旦发生故障将带来严重的安全问题,及时检出和识别故障至关重要。滚动轴承作为机械设备的重要部件,研究其故障诊断方法对于保障机械系统的安全稳定具有代表性意义。因此本文选择轴承振动信号作为对象,基于深度学习进行了故障诊断方法研究。一些故障的发生时间极短,有效样本极难获取,因此使用较少的样本获得更高的识别精度是一个重要的研究方向。本文为了获得更丰富的隐含特征,通过连续小波变换将轴承振动信号扩展到时频域;然后利用二维卷积神经网络天然的图像处理优势,设计故障诊断算法;利用信号处理技术,提升深度学习对样本的利用率。连续小波变换会扩充无效特征,影响诊断算法对噪声的抵抗能力。为了解决该问题,首先根据小波基参数对模型诊断结果的影响,进行了参数调整;然后利用平均池化降采样原理设计多尺度特征提取层,通过轴承振动信号多阶模态的特征减少了噪声带来的干扰;最后使用通道注意力机制对各阶特征评估加权,增强了模型对有效信息的利用率。故障诊断除了需要精准识别,还需要及时检出。嵌入式设备由于其低功耗、易部署的特性,更适合实时性要求较高的诊断现场。但基于深度学习的算法通常有高算法复杂度和大计算量的特点,其嵌入式应用需要提升诊断速度。本文从算法和硬件两个角度入手,基于一维卷积神经网络设计了轻量化的诊断算法模型,并利用FPGA对模型推理过程进行加速,提高了诊断的时效性。最后基于边缘计算框架设计搭建了故障诊断系统,对本文方法进行整合。边缘节点加载快速诊断模型在数据源进行快速分析,云端平台使用更复杂的二维卷积模型完成轴承状态更精确的识别。通过西储大学标准数据集进行验证,本文方法均具有极高的样本规模容忍度和较强的抗噪能力。而通过搭建故障诊断系统在振动试验台测试,系统可以快速精准的实现轴承故障诊断。故障检出率可以达到100%,识别率保持99%以上,边缘节点搭载的模型诊断耗时可以压缩到0.178s。
宋亚迪[4]（2021）在《轴系结构数字化设计SaaS平台开发》文中进行了进一步梳理近年来新工业革命迅速发展,作为工业数字化、网络化的载体,工业软件的发展一直受到各界的广泛关注。为了解决传统设计方式设计效率低、设计门槛高以及当前工业软件功能碎片化等问题,本文对技术设计各个阶段的数字化设计方法进行了研究,并和SaaS模式软件开发技术相结合,开发了一款以轴系为主要对象的数字化设计平台。本文主要工作如下:（1）分析了机械产品在功能、性能、结构、经济性等方面的设计需求,对其中的概念信息进行抽象表达。引入了基本变换单元的概念,并以此作为运动变换的载体和基本组成单位,通过建立状态变换方程对其运动变换功能的实现过程进行抽象描述,对各类基本变换单元的功能信息进行归纳并建立了部件库,以此为基础建立了运动方案数字化求解方法。为了解决运动方案设计中非参数信息过多难以向下游结构设计阶段完整传递的问题,建立运动方案的符号表达方法和面向对象的信息封装方式,为结构设计阶段提供全面、清晰的信息基础。（2）为了建立统一实例,从而实现结构设计各流程间参数自动交互,提出知识模型的概念,并通过对轴系设计对象及设计流程的划分建立轴系的模块化知识模型。建立基于轴系结构组成数学模型的轴系布局方案求解方法,并对轴系装配方案的结构约束信息进行数学表达,以此为基础分别对各个部件及轴系整体进行结构参数设计,为了达到轴系结构紧凑的目的,建立了以轴系总体积为优化目标的轴系结构优化设计方法。分别从强度、刚度、寿命等方面对对轴系各部件进行性能分析。基于结构设计多样性的特点,为方便设计人员根据设计需求选择最优设计方案,建立基于模糊层次分析法的轴系方案评价方法。最后通过对圆锥圆柱齿轮减速器输入轴进行设计,验证了轴系结构及性能设计方法的可行性。（3）对SaaS模式基本概念进行了介绍,并通过和传统软件对比体现SaaS模式的优势。通过对用户需求进行分析,对平台主要功能需求进行了说明,并对不同角色用户的主要操作权限进行了说明,进而体现平台的生态模式。以平台需求为基础对平台分别进行逻辑架构及部署架构,根据不同类型用户的保密性需求选择不同类型的数据库结构,通过分析平台实体类型及关联关系,对数据库的核心表结构进行设计。对平台两大核心功能模块——软件封装模块及流程重构模块的实现进行了说明,为了更为直观的表现软件封装及流程重构功能的操作过程,分别对开发中心及设计中心的原型方案进行了设计。最后通过对圆锥圆柱齿轮减速器结构设计的应用案例对平台项目流程的运行过程进行了说明,验证了需求分析、运动方案设计、结构设计、性能设计这一轴系结构设计全流程实现的可行性。
温晶[5]（2020）在《深沟球轴承密封结构分析及优化设计》文中进行了进一步梳理由于当代工业的发展,特别是食品工业,现代办公机械以及家电的普及,要求设备设计紧凑,重量减轻还要防止漏水、漏气,就促使了自带密封装置的深沟球轴承得到青睐,需求量可观,逐步替代开式深沟球轴承（轴承两面没有密封装置）。但由于目前各企业密封结构的设计都存在一定的问题,用户关于球轴承密封产品的密封性能、漏脂情况等投诉较多。而密封产品较开式产品利润高,在轴承行业竞争日趋激烈的形式下,抢占深沟球密封产品市场是众多轴承生产商的重要市场目标,轴承密封技术成为轴承技术发展的重要方向之一。基于此,本文借助于设计方法分析、MASTA分析等基础手段对深沟球密封结构进行了优化设计,设计完成后进行产品试制及试验验证。主要工作如下:首先,对深沟球密封结构的设计方法进行阐述,据此方法设计出6312-2RS轴承,但密封效果不理想,易漏脂,所以对该轴承密封结构的设计参数进行理论研究分析,得出密封结构存在密封槽与密封圈之间配合过盈量过大的问题,导致密封圈装入后变形,影响密封效果。然后对8套此密封结构的6312-2RS产品进行漏脂试验,试验结论是漏脂率未达到国标要求,密封性能不合格,验证了理论分析结论。其次,对6312-2RS轴承的基本结构及密封结构进行优化,改变外圈密封槽相关尺寸及密封圈外径等尺寸,优化配合尺寸,解决过盈量过大的问题;将内圈由无密封槽改为带密封槽,可以起到存储油脂的作用;将密封圈唇口由单唇改为三唇橡胶密封结构,可以提高轴承的密封性能。最终设计出一种新型密封结构的6312-2RS轴承。再次,基于MASTA分析软件对新型密封结构6312-2RS轴承进行寿命、应力分布及摩擦损耗等性能计算分析,得出寿命最佳时对应的载荷为30k N,游隙为CN组;三唇密封不会明显增加摩擦损耗,不会影响轴承的使用性能;内部应力分布合理,不会产生钢球越肩等问题的发生的结论,说明新型密封结构设计的合理可行。最后,对新型密封结构的6312-2RS轴承进行试制及试验验证,通过制定符合市场需求及国家标准的加工工艺及检验工艺标准,确定最佳加工设备,全过程严格检验,试生产出30套新型密封结构产品,并取8套合格产品进行漏脂试验,试验条件与密封结构优化前轴承进行的漏脂试验条件相同,漏脂率完全达到国标要求,产品质量合格,证明了6312-2RS轴承密封结构的优化设计是成功的,为其他型号深沟球密封轴承结构优化奠定了良好基础,为企业抢占市场,提高利润,良性发展提供了有利的技术支持!
吴振彬[6]（2020）在《听觉几何组网络及其在轴承故障迁移诊断中的应用研究》文中研究指明滚动轴承是滚动设备中承载着旋转工作的主要部件。精准的诊断出轴承在运行时产生的故障,对保障工业生产,稳定产品性能,减少或避免重大生产事故甚至灾难,有着重要的意义。现代大型设备日趋复杂化,精细化,高速化,规模变大的同时结构也越发的复杂。在传统诊断方法中,常引入先验知识作为诊断的依据,面对新的设备,新的场景,以及工业现代化的要求,智能化的诊断成为了迫切需要被解决的关键问题。本文围绕着智能化诊断展开研究,重点研究了一维卷积神经网络在轴承振动信号故障诊断方面的应用内容。本文内容和结论如下:1、论述了滚动轴承的故障及其分类类型,阐述了引发故障的相关因素,指出了在故障诊断领域中常用于分类的特征。从故障特征入手,对神经网络的处理方式和主成因分析进行了比较讨论。研究了自编码结构的神经网络相较主成因分析法所欠缺的非线性处理方式做出的改善。2、对比研究了两种神经网络在信号处理上的使用,指出了各自的优势和缺陷。从可解释性上入手,选择了卷积网络作为实验的基础,利用现有数据制作数据集,训练网络至可以成功的分类故障。3、对比研究了三种迁移学习的方法,指出了各自的适用范围。采用了三种方法实验,并对三种方法进行了对比。此种技术可以用于所需求的样本数量少但是有较多其他相似但不相同的样本时,对于某类特定故障的诊断。4、鉴于神经网络缺乏理论上的解释,通过生成其特征图作为理论解释来指导迁移学习工作,针对振动信号做出了能量计算,特征频率计算等分析方法。最后通过实验验证特征图可以解释卷积神经网络在振动信号诊断上的部分工作原理。基于理论和合理的逻辑推理做出假设,通过实验验证,结合神经网络与滚动轴承振动信号的理论知识,可以有效的进行振动信号的故障识别与迁移诊断。与深度学习及人工智能相关技术的结合,是轴承振动信号诊断方向的重点,也是机械行业接下来重要的课题之一。
潘星宇[7]（2020）在《基于Romax的交叉圆柱滚子回转支承特性分析》文中认为随着特种设备的特种需求,对机械零部件的需求需要精细化的设计和生产,作为机械行业重要部分的回转支承更是如此。回转支承是通过滚动体、内外圈连接并支撑机械部件,因此对回转支承的研究离不开接触问题,特别是对滚道上的承载能力的研究,直接影响到回转支承的使用寿命。对非标准回转支承的设计需要在满足使用条件下对它进行理论验证并通过实验寻找最佳工作环境在工程应用中有着重要意义。本文以非标准交叉圆柱滚子回转支承为研究对象通过赫兹接触理论分析滚子及滚道承载;利用回转支承承载曲线结合理论公式计算理论寿命;利用Romax软件单轴分析系统了回转支承在不同轴向加载、径向工作游隙、工作温度下对滚道及滚动体受载、滚道接触应力以及回转支承寿命的影响。并利用内外圈相对位移、回转支承刚度以及油膜厚度分析寿命变化原因。本文工作内容和结论如下:（1）结合国内外的研究现状对回转支承的接触问题以及利用有限分析方式进行全面介绍。利用赫兹接触理论对回转支承在轴向加载以及倾覆力矩的作用下滚动体以及滚道受载进行分析,利用相关公式对回转支承承载以及受力形式进行简化。（2）利用回转支承承载曲线结合非标准回转支承的尺寸参数在要求条件下计算得到静载荷安全系数及理论使用寿命,验证回转支承的设计满足使用要求。（3）利用Romax软件结合详细参数建立单轴分析模型,对非标准回转支承在不同轴向加载下在满足回转支承使用寿命的前提下得到最大承载约为27.8T。实验数据表明随着轴向加载的增大:滚动体及滚道面承载增大,但增大的趋势变缓、滚道面接触应力增大,且最大接触应力分布区域增大、使用寿命逐渐减小,但减小的趋势变缓,内外圈相对位移量逐渐增加、回转支承刚度整体增加、最小油膜厚度逐渐减小。（4）研究了不同径向工作游隙对滚动体及滚道面承载、滚道面接触应力的数值大小及分布方式、使用寿命的影响。实验数据表明回转支承选用的最佳工作游隙范围为-0.010mm,在此范围内随着游隙的增加:接触应力趋于稳定,回转支承寿命趋于稳定,内外圈相对位移增加、回转支承刚度线性增加、最小油膜厚度稳定在1.483μm。（5）探讨了不同温度对回转支承的影响,并详细研究了7253航空润滑脂的影响形式。在回转支承使用温度为-40℃120℃时都能满足使用条件,对回转支承起到润滑的作用,当温度大于120℃时回转支承的寿命随着温度的升高逐渐减小。并通过对油膜厚度的分析揭示寿命降低的原因,发现当油膜厚度低于0.2044μm时,不满足滚动体与滚道面间的润滑使用条件。
罗棚[8]（2020）在《轨道交通轴承健康状态评估与剩余寿命预测研究》文中认为轨道交通作为一种高效、环保的公共交通工具,已经成为城市交通不可或缺的一部分。随着运营里程的增加和客运量规模的增大,轨道交通的安全问题愈发重要。而滚动轴承作为轨道交通车辆的关键部件之一,被广泛应用于车辆的行走部、电机等设备中,其运行状态的好坏将直接影响轨道交通的安全运行。因此,对轨道交通轴承进行健康状态评估和剩余寿命预测,对保障轨道交通安全运行有着重要的意义。本文以轨道交通轴承为研究对象,就轴承的故障机理分析、退化状态特征提取、轴承的健康状态评估以及剩余寿命预测展开了研究,主要内容如下:（1）研究了轨道交通轴承的故障机理。分析了轨道交通轴承的基本结构、失效形式与原因以及轴承理论的特征频率,并简述了轴承的状态监测方法以及全寿命实验数据集,为后文的研究提供了理论基础。（2）研究了基于多域的轨道交通轴承退化状态特征提取方法。针对单一的或单域的退化状态特征在轴承健康状态评估中的评估能力不足和剩余寿命预测中的准确性不够高等问题,提出了基于多域的退化状态特征提取方法。首先分别提取了传统的时域和频域退化状态特征,并重点研究了基于变分模态分解、包络解调和奇异值的时频域退化状态特征提取方法,通过分析各个退化状态特征的全寿命变化曲线,指出了单个退化状态特征难以对轴承进行健康状态评估。（3）研究了基于t-SNE和核马氏距离的轴承健康状态评估方法。针对在轴承健康状态评估过程中,退化状态特征筛选和健康指数难以构建等问题,首先利用随机森林算法筛选出重要性较高的退化状态特征,并构建高维相对退化状态特征。然后,为了防止退化状态特征冗余对评估结果产生影响,利用t-SNE对高维相对退化状态特征集进行降维,将退化状态特征进行融合。随后在核马氏空间中进行度量,引入健康指数,对轴承进行健康状态评估,并通过轴承全寿命周期振动数据验证了所提方法的有效性。（4）研究了基于PSR和ELM＿AdaBoost的轴承剩余寿命预测方法。针对基于数据驱动的剩余寿命预测模型的精度不高,在极限学习机的基础之上,提出了基于相空间重构（PSR）和ELM＿AdaBoost的剩余寿命预测模型。首先分析了不同模型结构参数对预测结果精确度的影响,并确定最佳的预测模型结构参数。然后,以全寿命周期振动数据为例,对同一轴承和不同轴承进行剩余寿命预测。最后,通过不同预测模型进行对比分析,验证了本文方法的泛化能力和有效性。
姜伟[9]（2019）在《水电机组混合智能故障诊断与状态趋势预测方法研究》文中研究表明随着我国能源结构改革进程的不断推进,大力开发水电能源对构建清洁低碳的能源体系、促进经济社会可持续发展具有重要战略意义。作为水电站能量转换过程的核心设备,水电机组正在向复杂化、巨型化、集成化和智能化的方向发展,其面临的安全可靠运行问题日益突出。“状态维护”概念的提出与应用,为有效降低机组异常或故障发生风险、提升其稳定运行水平提供了一种可行思路。状态监测、故障诊断和趋势预测是状态维护实施过程的三个关键环节。受水力、机械、电气及其他干扰因素的耦合影响,水电机组监测信号呈现明显的非线性和非平稳性特征,故障与征兆间存在复杂的映射关系,对此,传统方法已难以满足当前背景下准确分析机组运行状态的需求。因此,基于水电机组运行特性,研究新的状态分析理论与方法,对提高机组故障诊断与趋势预测精度、保障机组稳定运行具有重要的工程应用价值。为此,本文围绕工程应用中水电机组复杂非平稳信号降噪分析与特征提取、混合故障诊断以及状态趋势预测等关键技术问题,以快速集成经验模态分解、深度学习、流行学习、灰色马尔科夫模型等作为理论基础与技术手段,探究并改进现有方法中存在的理论或应用缺陷,设计提出了若干适用于水电机组非平稳信号分析及状态特征提取方法,发展了基于健康判别与特征约简的多步递进式故障诊断体系,构建了融合滑动窗与灰色马尔科夫理论的状态趋势预测模型,为相关领域研究范式的方法创新与技术进步提供了必要的理论基础,具有一定的研究推广前景与工程应用价值。论文主要研究内容及创新性成果如下:（1）针对能够有效表征水电机组实际运行状态的振动信号易淹没于强烈背景噪声的问题,提出了一种基于自适应奇异值分解（SVD）与固有模态函数（IMFs）重构的水电机组振动信号多级降噪方法。该方法系统融合了SVD和快速集成经验模态分解（FEEMD）在高频噪声抑制和信号自适应处理方面的优点,完成基于初级滤波和次级去噪的两阶段式信号降噪处理。在初级滤波阶段,首先对原始信号进行SVD分解,在深入分析有效奇异值序列对滤波性能影响的基础上,发展了基于相关分析的奇异值自适应选取方法,实现对高频背景噪声的有效滤除;在次级去噪阶段,依据FEEMD原理分解滤波后所得信号,结合所构建基于排列熵的IMFs选择体系,重构有效模态分量以完成信号降噪,显着提升降噪效果。（2）考虑到多源激励耦合干扰下机组运行状态与征兆间映射关系难以准确度量的问题,在统计分析原理及深度学习技术的基础上,研究提出了一种基于FEEMD能量熵及混合集成自编码器的水电机组状态特征提取方法。针对在线判别机组“正常”或“故障”状态的工程实际需求,深入分析了能量熵对于异常或故障发生时非线性振动信号动力学突变行为的表征作用,综合FEEMD对复杂非线性非平稳信号的高效处理优势,设计了基于FEEMD能量熵的水电机组健康状态特征提取方法,快速获取振动信号能量熵特征。进一步,针对故障模式准确识别的需求和单一能量熵特征不足以反映具体故障类型的问题,创造性地构建了一种用于提取故障特征的混合集成自编码器,有效克服了浅层特征学习模型的局限,提升了模型的特征提取能力及学习泛化性能。（3）为科学建立水电机组“正常”与“故障”状态的特征边界,引入数理统计理论,结合历史样本集与能量熵方法,构建了基于能量熵统计分析的机组健康状态在线判别体系,实时分析机组健康状态。进一步,为抑制机组高维故障特征空间存在的信息冗余、敏感特征易淹没等现象,创新性地设计了基于参数化线性映射模式的改进t-分布式随机领域嵌入（M-t SNE）特征约简方法,该方法在提升故障诊断精度、降低计算时耗方面具有显着优势。基于上述分析,为克服传统单步诊断模式在分析复杂故障工况面临的高复杂性、低精度等缺陷,首次提出了一种基于能量熵判别与深度特征约简的多步递进式混合故障诊断策略,将整个诊断过程简化为健康状态检测和故障类型识别两个阶段,符合对机组进行智能诊断的工程实施思路。（4）围绕水电机组状态趋势预测的工程需求,在系统分析机组状态趋势可预测性的基础上,提出了一种基于滑动窗与灰色马尔科夫（Grey-Markov）模型的状态趋势预测方法。该方法完整集成了Grey-Markov预测模型、灰色背景值优化原理以及基于滑动窗的滚动预测机制,探索从模型构造、预测模式、残差修正等角度降低预测误差的方式,有效提升了预测结果的准确性。此外,针对工程应用中对不同预测时间尺度的需求,考虑模型的不同组合策略,创造性地构建了基于串联式、并联式和嵌入式组合机制的水电机组状态趋势混合预测模型,设计了对应的机组状态趋势组合预测流程,在保证预测精度的同时最大程度提升计算效率,为制定合理的机组维护计划提供相应指导。
王立新[10]（2016）在《智能点巡检系统开发及散热风扇状态监测智能方法研究》文中研究指明本文分为智能点巡检系统开发和散热风扇状态监测智能方法研究两部分。第一篇智能点巡检系统开发,目前设备信息化、数字化管理对企业至关重要,但一些厂区分散的企业,受地理位置、网络线路铺设成本等因素影响,一时难以实现。本文针对这一情况,将无线网与有线网相结合,并融入TPM理念,开发了一套智能点巡检系统,为企业提供一个良好的信息化管理平台。该系统采用双数据库存储结构,并通过ADO方式与系统软件连接,系统软件采用C/S和B/S组合结构,实现全厂区的数据共享。C/S端利用C++语言以“模块化”原则进行设计,封装成DLL等ActiveX组件,完成厂区外部的设备点巡检、报表查询、数据分析、专家系统查询等功能；B/S端利用C#语言进行设计,完成厂区内部的数据查看与分析。第二篇散热风扇状态监测智能方法研究,散热风扇作为辅助设备广泛应用于各个领域,目前因缺少合理有效的风扇状态监测手段而往往严重影响主系统的正常运行。针对这一问题专门进行了风冷实验,对风扇完成长期的监测和数据采集,并通过风扇全寿命实验数据分析,探索风扇的有效监测方法。在故障诊断方面,提出了一种将小波包分析和支持向量机相结合的智能方法,实现了散热风扇滚动轴承常见故障的准确识别：在寿命预测方面,提出了基于时间序列分析和BP神经网络的组合预测模型,实现了散热风扇剩余寿命的准确预测。本文提出的两种方法,为实现散热风扇的智能化监测,提供了指导意义。论文通过两部分内容的研究,为机械设备状态监测与故障诊断向智能化方向发展提供了新思路与新途径。
二、基于知识的非标准滚动轴承专家系统的研究（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、基于知识的非标准滚动轴承专家系统的研究（论文提纲范文）
（1）基于Python的轴承信息管理系统后端的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题背景及意义 |
| 1.3 国内外研究现状 |
| 1.4 研究内容及研究路线 |
| 第二章 轴承信息管理系统需求分析与总体设计 |
| 2.1 轴承选型的影响因素 |
| 2.2 需求分析 |
| 2.3 系统组织架构与开发环境 |
| 2.4 系统模块设计 |
| 2.5 系统流程分析 |
| 2.6 数据库设计 |
| 2.7 数据库优化 |
| 2.8 本章小结 |
| 第三章 轴承信息管理系统后端详细设计与实现 |
| 3.1 用户管理模块 |
| 3.2 轴承数据管理模块 |
| 3.3 信息管理模块 |
| 3.4 系统管理模块 |
| 3.5 本章小结 |
| 第四章 轴承信息管理系统后端的测试与分析 |
| 4.1 测试方案 |
| 4.2 功能测试 |
| 4.3 性能测试 |
| 4.4 测试结果分析 |
| 4.5 本章小结 |
| 第五章 滚动轴承寿命计算系统的设计实现 |
| 5.1 滚动轴承疲劳寿命计算理论分析 |
| 5.2 滚动轴承寿命计算系统的设计 |
| 5.3 滚动轴承寿命计算系统的实现 |
| 5.4 滚动轴承寿命计算系统的验证 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（2）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 |
（3）基于注意力机制与深度学习的故障诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于模型的诊断方法 |
| 1.2.2 基于信号的诊断方法 |
| 1.2.3 基于知识的诊断方法 |
| 1.2.4 基于深度学习的诊断方法 |
| 1.3 本文主要研究内容与组织结构 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文组织结构 |
| 2 基于小波变换与二维卷积的轴承故障诊断方法 |
| 2.1 引言 |
| 2.2 基于连续小波变换的特征升维 |
| 2.2.1 小波变换简介 |
| 2.2.2 小波基函数选择 |
| 2.3 基于二维卷积神经网络的特征提取 |
| 2.3.1 卷积层 |
| 2.3.2 池化层 |
| 2.3.3 全连接层 |
| 2.3.4 损失函数和优化器 |
| 2.3.5 轴承故障诊断算法模型搭建 |
| 2.4 轴承故障诊断方法验证 |
| 2.4.1 CWRU数据集预处理 |
| 2.4.2 小波时频图数据集创建 |
| 2.4.3 故障诊断算法的训练与测试 |
| 2.5 本章小结 |
| 3 基于注意力机制的故障诊断方法改进研究 |
| 3.1 引言 |
| 3.2 故障诊断方法抗噪声干扰能力改进 |
| 3.2.1 小波基参量选择抑制噪声特征 |
| 3.2.2 多尺度特征提取增强抗噪能力 |
| 3.3 基于注意力机制的模型性能改进 |
| 3.3.1 通道注意力机制实现原理 |
| 3.3.2 基于通道注意力机制的特征融合 |
| 3.4 改进方法的性能测试 |
| 3.4.1 含噪声的测试样本准备 |
| 3.4.2 实验及结果分析 |
| 3.5 本章小结 |
| 4 基于深度学习的故障诊断方法加速技术研究 |
| 4.1 引言 |
| 4.2 基于一维卷积的轴承故障诊断算法 |
| 4.2.1 深度学习模型轻量化 |
| 4.2.2 算法的训练与应用 |
| 4.3 轴承故障诊断硬件加速技术 |
| 4.3.1 基于DMA的数据采集加速 |
| 4.3.2 基于FPGA的矩阵运算加速 |
| 4.3.3 IP核链接与功能集成 |
| 4.4 实验与分析 |
| 4.4.1 算法模型性能测试 |
| 4.4.2 硬件加速功能测试 |
| 4.5 本章小结 |
| 5 轴承故障诊断系统搭建与测试 |
| 5.1 引言 |
| 5.2 基于边缘计算的轴承故障诊断系统框架 |
| 5.2.1 系统整体架构设计 |
| 5.2.2 边缘诊断节点设计 |
| 5.2.3 云端监控平台设计 |
| 5.3 轴承振动实验平台搭建 |
| 5.3.1 硬件平台介绍 |
| 5.3.2 故障诊断技术流程 |
| 5.4 实验与分析 |
| 5.4.1 轴承振动试验台数据集准备 |
| 5.4.2 边缘节点诊断结果分析 |
| 5.4.3 云端节点诊断结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（4）轴系结构数字化设计SaaS平台开发（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 方案设计研究现状 |
| 1.2.2 SaaS模式国内外研究现状 |
| 1.3 课题主要研究内容 |
| 2 设计需求分析及运动方案设计 |
| 2.1 设计需求分析 |
| 2.2 运动方案设计 |
| 2.3 运动方案的信息传递 |
| 2.3.1 基本变换单元符号表达 |
| 2.3.2 运动方案信息封装 |
| 2.4 本章小结 |
| 3 轴系结构及性能设计 |
| 3.1 轴系的模块化知识模型 |
| 3.2 轴系结构方案设计 |
| 3.2.1 轴系零部件类型选择 |
| 3.2.2 轴系布局方案设计 |
| 3.2.3 轴系装配方案表达 |
| 3.3 轴系结构参数设计 |
| 3.3.1 支承模块型号选择模块 |
| 3.3.2 传动模块结构设计模块 |
| 3.3.3 轴系优化设计模块 |
| 3.4 轴系性能设计 |
| 3.4.1 力学分析模块 |
| 3.4.2 强度校核模块 |
| 3.4.3 刚度校核模块 |
| 3.4.4 寿命校核模块 |
| 3.5 评价模块 |
| 3.6 轴系结构设计流程及设计案例 |
| 3.6.1 轴系结构设计流程 |
| 3.6.2 设计案例 |
| 3.7 本章小结 |
| 4 数字化设计平台架构及功能实现 |
| 4.1 SaaS模式介绍及需求分析 |
| 4.1.1 SaaS模式介绍 |
| 4.1.2 行业需求及平台需求分析 |
| 4.1.3 平台用户角色 |
| 4.2 平台架构设计 |
| 4.2.1 平台逻辑架构 |
| 4.2.2 平台部署架构 |
| 4.3 平台数据库设计 |
| 4.3.1 数据隔离方式选择 |
| 4.3.2 平台实体关联分析 |
| 4.3.3 数据库表设计 |
| 4.4 核心功能模块设计 |
| 4.4.1 软件封装模块设计 |
| 4.4.2 流程重构模块设计 |
| 4.5 原型方案设计 |
| 4.6 .应用案例 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（5）深沟球轴承密封结构分析及优化设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 深沟球轴承密封结构的研究现状 |
| 1.2.2 国内外轴承企业现有密封结构情况 |
| 1.2.3 深沟球轴承密封结构的优化设计现状 |
| 1.2.4 密封件材料及结构研究现状 |
| 1.3 论文主要研究内容 |
| 1.3.1 论文的主要内容 |
| 1.3.2 论文的技术路线 |
| 本章小结 |
| 第二章 深沟球轴承密封结构的设计分析及试验 |
| 2.1 深沟球密封结构通用设计方法 |
| 2.1.1 外圈密封结构设计 |
| 2.1.2 内圈设计 |
| 2.1.3 密封圈的设计 |
| 2.2 6312-2RS轴承密封结构的设计分析 |
| 2.3 6312-2RS轴承漏脂试验 |
| 2.3.1 试验依据 |
| 2.3.2 试验设备 |
| 2.3.3 试验过程 |
| 2.3.4 试验结果 |
| 本章小结 |
| 第三章 6312-2RS轴承密封结构优化设计 |
| 3.1 6312-2RS轴承基本结构优化设计 |
| 3.1.1 6312-2RS轴承基本结构优化设计目标函数 |
| 3.1.2 6312-2RS轴承基本结构优化设计变量 |
| 3.1.3 6312-2RS轴承基本结构优化设计约束条件及结果 |
| 3.2 6312-2RS轴承密封结构优化 |
| 3.2.1 密封圈及内圈结构优化 |
| 3.2.2 密封圈外接触唇及外圈密封槽优化 |
| 3.2.3 密封圈与内圈接触位置优化 |
| 3.2.4 优化设计后极限转速的计算 |
| 本章小结 |
| 第四章 基于MASTA的新型密封结构6312-2RS轴承性能分析 |
| 4.1 概述MASTA软件 |
| 4.2 基于MASTA的轴承性能分析过程 |
| 4.3 基于MASTA的轴承寿命分析 |
| 4.4 基于MASTA的轴承应力分布分析 |
| 4.5 基于MASTA的轴承摩擦损耗计算 |
| 本章小结 |
| 第五章 新型密封结构的6312-2RS轴承试制与试验 |
| 5.1 生产加工方案的确定 |
| 5.1.1 确定基本加工流程 |
| 5.1.2 确定生产设备 |
| 5.2 6312-2RS外圈及内圈加工过程 |
| 5.2.1 套圈加工的基本过程介绍 |
| 5.2.2 外购淬火件的入厂验收 |
| 5.2.3 套圈磨加工 |
| 5.3 6312-2RS轴承装配工艺过程 |
| 5.3.1 分选合套 |
| 5.3.2 铆压 |
| 5.3.3 清洗 |
| 5.3.4 振动检测 |
| 5.3.5 注脂 |
| 5.3.6 密封圈安装及成品的检验 |
| 5.4 新型密封结构6312-2RS轴承的漏脂试验 |
| 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术成果 |
| 致谢 |
（6）听觉几何组网络及其在轴承故障迁移诊断中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题的研究背景与意义 |
| 1.2 课题来源 |
| 1.3 国内外研究现状 |
| 1.3.1 轴承故障诊断现状 |
| 1.3.2 基于神经网络的故障诊断研究现状 |
| 1.3.3 迁移诊断现状 |
| 1.4 研究现状的不足 |
| 1.5 研究内容及思路 |
| 1.6 论文结构安排 |
| 第二章 基于全连接层网络的故障信号分类算法研究 |
| 2.1 引言 |
| 2.2 自编码网络算法 |
| 2.2.1 连接主义 |
| 2.2.2 全连接网络 |
| 2.2.3 反向传播 |
| 2.2.4 编码与解码 |
| 2.2.5 时序序列与自编码网络 |
| 2.3 基于特征的自编码网络 |
| 2.3.1 先验知识 |
| 2.3.2 数据集预处理 |
| 2.4 算法实现 |
| 2.4.1 算法步骤 |
| 2.5 实验数据与结果分析 |
| 2.5.1 实验数据分析 |
| 2.5.2 方法对比 |
| 2.6 本章小结 |
| 第三章 基于听觉几何组网络的故障分类 |
| 3.1 引言 |
| 3.2 卷积神经网络 |
| 3.2.1 算法原理 |
| 3.2.2 设计理论 |
| 3.2.3 理论优化 |
| 3.2.4 存在的问题 |
| 3.3 听觉几何组网络 |
| 3.3.1 VGG的特点及其表现 |
| 3.3.2 AGG结构的提出与改进 |
| 3.3.2.1 过拟合 |
| 3.3.2.2 正则化 |
| 3.3.2.3 标准化 |
| 3.3.2.4 多分类损失函数选择 |
| 3.3.2.5 AGG模型结构设计 |
| 3.4 算法步骤 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 基于听觉几何组网络的故障迁移诊断 |
| 4.1 引言 |
| 4.2 卷积工作原理 |
| 4.2.1 卷积工作解析 |
| 4.2.2 感受野 |
| 4.3 迁移诊断类型及适用范围 |
| 4.4 数据集选择 |
| 4.5 迁移诊断算法流程 |
| 4.6 实验结果与分析 |
| 4.7 本章小结 |
| 第五章 基于听觉几何组网络的可解释性研究 |
| 5.1 引言 |
| 5.2 卷积网络的特征图 |
| 5.3 特征图的提取 |
| 5.3.1 特征图提取算法流程 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 论文创新点 |
| 6.3 研究工作展望 |
| 参考文献 |
| 致谢 |
| 作者和导师简介 |
| 附件 |
（7）基于Romax的交叉圆柱滚子回转支承特性分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 课题研究的目的与意义 |
| 1.3 课题相关的国内外研究现状 |
| 1.4 课题研究主要内容 |
| 1.5 本章小结 |
| 2 回转支承相关理论 |
| 2.1 交叉圆柱滚子回转支承简介 |
| 2.1.1 类型介绍 |
| 2.1.2 无齿式回转支承相关参数 |
| 2.2 无齿式回转支承理论分析 |
| 2.2.1 回转支承研究的传统研究方法 |
| 2.2.2 回转支承工况下的承载情况分析 |
| 2.2.3 回转支承寿命研究 |
| 2.3 赫兹接触理论 |
| 2.4 本章小节 |
| 3 非标准回转支承的理论计算验证 |
| 3.1 回转支承工作原理 |
| 3.2 回转支承工况要求参数及失效情况 |
| 3.2.1 回转支承工况要求参数 |
| 3.2.2 回转支承失效情况 |
| 3.3 交叉圆柱滚子回转支承承载理论计算 |
| 3.3.1 交叉圆柱滚子的静态承载能力计算 |
| 3.3.2 交叉圆柱滚子的动态承载能力计算 |
| 3.4 回转支承寿命理论计算 |
| 3.5 本章小结 |
| 4 回转支承及工况下的三维建模 |
| 4.1 动力学软件介绍 |
| 4.2 回转支承建模 |
| 4.3 仿真软件中对模型的参数设定 |
| 4.4 回转支承模型预分析 |
| 4.5 本章小结 |
| 5 回转支承的动力学仿真分析 |
| 5.1 不同载荷下回转支承的承载能力分析 |
| 5.1.1 回转支承滚动体承载理论分析计算 |
| 5.1.2 回转支承滚动体承载仿真分析 |
| 5.1.3 接触应力仿真分析 |
| 5.1.4 回转支承寿命分析 |
| 5.2 不同径向工作游隙对回转支承的影响 |
| 5.2.1 不同径向游隙下回转支承寿命的分析 |
| 5.2.2 不同径向游隙下对接触应力分析 |
| 5.2.3 工作游隙对滚道承载的影响 |
| 5.2.4 验证最佳径向工作游隙 |
| 5.3 不同工作温度对回转支承的影响 |
| 5.3.1 不同工作温度对材料物理性能的影响 |
| 5.3.2 不同工作温度对润滑脂的影响 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文及科研成果 |
| 致谢 |
（8）轨道交通轴承健康状态评估与剩余寿命预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 特征提取方法 |
| 1.2.2 性能退化状态评估方法 |
| 1.2.3 剩余寿命预测模型 |
| 1.3 本文研究的主要内容及技术路线图 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线图 |
| 1.4 本章小结 |
| 第2章 轨道交通轴承故障机理分析与状态监测方法 |
| 2.1 引言 |
| 2.2 轨道交通轴承故障机理分析 |
| 2.2.1 轨道交通轴承的基本结构 |
| 2.2.2 轨道交通轴承的失效形式及原因分析 |
| 2.2.3 轨道交通轴承故障信号特征 |
| 2.3 状态监测方法 |
| 2.4 滚动轴承全寿命加速疲劳实验数据 |
| 2.4.1 实验装置 |
| 2.4.2 全寿命振动数据 |
| 2.5 小结 |
| 第3章 基于多域轨道交通轴承全寿命退化状态特征提取 |
| 3.1 引言 |
| 3.2 时域特征提取及分析 |
| 3.2.1 时域特征提取 |
| 3.2.2 基于全寿命振动数据的时域特征分析 |
| 3.3 频域特征的提取及分析 |
| 3.3.1 频域特征提取 |
| 3.3.2 基于全寿命振动数据的频域特征分析 |
| 3.4 时频域特征提取及分析 |
| 3.4.1 变分模态分解 |
| 3.4.2 Hilbert包络解调 |
| 3.4.3 奇异值分解 |
| 3.4.4 基于VMD_Hilbert和SVD的退化状态特征提取方法 |
| 3.4.5 基于VMD_Hilbert和SVD的退化状态特征提取方法的分析 |
| 3.5 小结 |
| 第4章 基于t-SNE和核马氏距离的轨道交通轴承健康状态评估 |
| 4.1 引言 |
| 4.2 基于随机森林算法的高维退化状态特征集构建 |
| 4.2.1 基于随机森林算法的特征选择 |
| 4.2.2 高维相对退化状态特征集的构建 |
| 4.3 轴承的健康状态评估模型 |
| 4.3.1 t-分布随机邻域嵌入算法(t-SNE) |
| 4.3.2 核马氏距离 |
| 4.3.3 健康指数 |
| 4.3.4 基于t-SNE和核马氏距离的轴承健康状态评估模型 |
| 4.4 分析与验证 |
| 4.4.1 不同非线性降维方法对比 |
| 4.4.2 核马氏空间度量 |
| 4.4.3 健康指数的计算 |
| 4.5 小结 |
| 第5章 基于ELM_AdaBoost轨道交通轴承剩余寿命预测 |
| 5.1 引言 |
| 5.2 剩余寿命预测模型理论基础 |
| 5.2.1 极限学习机 |
| 5.2.2 ELM_AdaBoost算法原理 |
| 5.2.3 基于相空间重构的ELM_AdaBoost预测模型 |
| 5.2.4 ELM_AdaBoost预测模型的预测策略 |
| 5.3 基于PSR和 ELM_AdaBoost剩余寿命预测流程 |
| 5.4 基于PSR和 ELM_AdaBoost剩余寿命预测分析与对比 |
| 5.4.1 PSR的参数确定 |
| 5.4.2 ELM_AdaBoost模型结构参数设定 |
| 5.4.3 基于PSR和 ELM_AdaBoost剩余寿命预测 |
| 5.5 小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表的论文及科研情况 |
（9）水电机组混合智能故障诊断与状态趋势预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 水电机组振动故障机理分析 |
| 1.3 振动信号时频分析方法概述 |
| 1.4 振动信号特征提取与高维特征约简方法概述 |
| 1.5 水电机组故障诊断方法研究综述 |
| 1.6 水电机组状态趋势预测方法研究综述 |
| 1.7 本文主要研究内容与章节安排 |
| 2 基于自适应SVD与 IMFs重构的水电机组振动信号多级降噪方法 |
| 2.1 引言 |
| 2.2 自适应SVD滤波 |
| 2.3 IMFs重构降噪 |
| 2.4 基于自适应SVD与 IMFs重构的水电机组振动信号多级降噪 |
| 2.5 水电机组振动信号降噪实例分析 |
| 2.6 本章小结 |
| 3 基于FEEMD能量熵及混合集成自编码器的水电机组状态特征提取方法.. |
| 3.1 引言 |
| 3.2 基于FEEMD固有模态函数能量熵的健康状态特征提取方法 |
| 3.3 自编码器基本原理 |
| 3.4 混合集成自编码器设计及其在故障状态特征提取中的应用 |
| 3.5 水电机组状态特征提取实例分析 |
| 3.6 本章小结 |
| 4 基于能量熵判别与深度特征约简的水电机组混合故障诊断策略 |
| 4.1 引言 |
| 4.2 基于能量熵统计分析的健康状态判别体系 |
| 4.3 改进t-SNE映射机制的深度故障特征约简方法 |
| 4.4 基于能量熵判别与深度特征约简的多步递进式混合故障诊断策略 |
| 4.5 诊断实例分析 |
| 4.6 本章小结 |
| 5 融合滑动窗与Grey-Markov模型的水电机组运行状态趋势预测方法 |
| 5.1 引言 |
| 5.2 水电机组运行状态趋势预测可行性分析 |
| 5.3 Grey-Markov预测模型 |
| 5.4 预测误差来源分析及模型优化思路 |
| 5.5 融合滑动窗与Grey-Markov模型的水电机组状态趋势组合预测方法 |
| 5.6 水电机组运行状态趋势预测实例分析 |
| 5.7 本章小结 |
| 6 全文总结与展望 |
| 6.1 全文工作总结 |
| 6.2 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 :攻读博士期间发表的论文 |
| 附录2 :攻读博士期间完成和参与的科研项目 |
| 附录3 :与导师合作申请的发明专利 |
| 附录4 :攻读博士期间所获奖励 |
（10）智能点巡检系统开发及散热风扇状态监测智能方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一篇 智能点巡检系统开发 |
| 第一章 绪论 |
| 1.1 前言 |
| 1.2 国内外现状 |
| 1.2.1 国内现状 |
| 1.2.2 国外现状 |
| 1.3 论文研究主要内容 |
| 第二章 系统功能需求分析 |
| 2.1 设备点巡检制度 |
| 2.2 我国企业设备管理现状 |
| 2.2.1 在线监测系统 |
| 2.2.2 离线式点巡检系统 |
| 2.3 功能需求分析 |
| 2.4 本章小结 |
| 第三章 点巡检系统框架构建 |
| 3.1 网络框架构建 |
| 3.1.1 几种数据传输方式的介绍 |
| 3.1.2 网络类型的选择 |
| 3.1.3 点巡检系统网络模式 |
| 3.2 点巡检系统结构选择 |
| 3.2.1 C/S结构和B/S结构 |
| 3.2.2 点巡检系统结构确定 |
| 3.3 数据库总体设计 |
| 3.3.1 数据库类型选择 |
| 3.3.2 数据库结构设计 |
| 3.4 系统软件总体构思 |
| 3.4.1 系统功能模块 |
| 3.4.2 点巡检系统流程 |
| 3.4.3 系统开发语言选择 |
| 3.4.4 系统开发平台选择 |
| 3.4.5 系统软件开发模式 |
| 3.5 本章小结 |
| 第四章 智能点巡检系统实现 |
| 4.1 服务器配置 |
| 4.2 数据库访问 |
| 4.3 ActiveX组件封装 |
| 4.4 C/S结构功能界面 |
| 4.4.1 登录权限设定 |
| 4.4.2 系统主体界面 |
| 4.4.3 信息维护、查询及分析 |
| 4.4.4 故障诊断辅助 |
| 4.5 B/S结构界面简介 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 第二篇 散热风扇状态监测智能方法研究 |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障诊断 |
| 1.2.2 寿命预测 |
| 1.3 本课题主要研究内容 |
| 第二章 风冷实验介绍 |
| 2.1 散热风扇介绍 |
| 2.1.1 风扇结构 |
| 2.1.2 风扇主要故障形式 |
| 2.2 实验介绍 |
| 2.3 风扇数据采集 |
| 2.3.1 非振动数据采集 |
| 2.3.2 振动数据采集 |
| 2.4 本章小结 |
| 第三章 风扇滚动轴承故障诊断研究 |
| 3.1 风扇滚动轴承故障诊断方法选择 |
| 3.2 基于小波包和SVM的滚动轴承故障类型识别 |
| 3.2.1 小波包介绍 |
| 3.2.2 小波包分解与重构 |
| 3.2.3 小波包分解后特征参数提取 |
| 3.2.4 基于SVM的故障类型分类 |
| 3.3 实验数据分析 |
| 3.3.1 风扇滚动轴承信号特征 |
| 3.3.2 特征参数提取及样本构建 |
| 3.3.3 SVM样本训练及测试 |
| 3.3.4 同神经网络对比 |
| 3.4 本章小结 |
| 第四章 风扇剩余寿命预测研究 |
| 4.1 风扇剩余寿命评估参数确定 |
| 4.2 时间序列和神经网络组合预测模型 |
| 4.2.1 时间序列ARIMA模型 |
| 4.2.2 BP神经网络模型 |
| 4.2.3 基于ARIMA和BP神经网络的组合预测模型 |
| 4.3 数据处理及分析 |
| 4.3.1 数据预处理 |
| 4.3.2 数据平稳变换 |
| 4.3.3 时间序列模型的识别与定阶 |
| 4.3.4 ARIMA模型的建立与适应性检验 |
| 4.3.5 利用ARIMA模型进行趋势预测 |
| 4.3.6 结合BP神经网络 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者及导师简介 |
| 附件 |
四、基于知识的非标准滚动轴承专家系统的研究（论文参考文献）
- [1]基于Python的轴承信息管理系统后端的设计与实现[D]. 杨松. 宁夏大学, 2021
- [2]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
- [3]基于注意力机制与深度学习的故障诊断方法研究[D]. 宋林. 西南科技大学, 2021(08)
- [4]轴系结构数字化设计SaaS平台开发[D]. 宋亚迪. 大连理工大学, 2021(01)
- [5]深沟球轴承密封结构分析及优化设计[D]. 温晶. 大连交通大学, 2020(06)
- [6]听觉几何组网络及其在轴承故障迁移诊断中的应用研究[D]. 吴振彬. 北京化工大学, 2020(02)
- [7]基于Romax的交叉圆柱滚子回转支承特性分析[D]. 潘星宇. 西华大学, 2020(01)
- [8]轨道交通轴承健康状态评估与剩余寿命预测研究[D]. 罗棚. 重庆交通大学, 2020(01)
- [9]水电机组混合智能故障诊断与状态趋势预测方法研究[D]. 姜伟. 华中科技大学, 2019(01)
- [10]智能点巡检系统开发及散热风扇状态监测智能方法研究[D]. 王立新. 北京化工大学, 2016(03)