【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315;TH132.41
【目录】：
- 摘要4-5
- Abstract5-9
- 第一章 绪论9-14
- 1.1 研究背景和意义9-10
- 1.2 故障诊断技术的发展及现状10-11
- 1.3 嵌入式技术在故障诊断中的发展现状11-12
- 1.4 本论文的主要研究内容12-14
- 第二章 风电齿轮箱常见失效形式及故障特征14-24
- 2.1 概述14
- 2.2 风电齿轮箱结构及故障类型14-17
- 2.3 信号和特征量的选择17-23
- 2.3.1 时域的特征分析17-19
- 2.3.2 频域的特征分析19-20
- 2.3.3 统计量对故障特征的描述20-23
- 2.4 本章小结23-24
- 第三章 支持向量机原理及在DSP中的实现24-44
- 3.1 概述24
- 3.2 支持向量机原理24-27
- 3.2.1 支持向量机的基本思想24-25
- 3.2.2 最优超平面25-27
- 3.3 线性支持向量机27-28
- 3.4 非线性支持向量机28-29
- 3.5 支持向量机的算法实现29-31
- 3.6 支持向量机在DSP中的实现31-39
- 3.6.1 Libsvm代码分析31-33
- 3.6.2 代码移植问题及解决方案33-39
- 3.7 支持向量机在DSP中运行实验39-43
- 3.7.1 多分量测试数据的实验39-41
- 3.7.2 利用实测数据的实验41-43
- 3.8 本章小结43-44
- 第四章 基于DSP-SVM的故障诊断系统44-59
- 4.1 概述44
- 4.2 硬件部分44-49
- 4.2.1 芯片45-46
- 4.2.2 传感器46-47
- 4.2.3 信号调理模块和AD模块47
- 4.2.4 外扩存储器模块和SD卡模块47-49
- 4.2.5 通信模块49
- 4.3 软件部分49-57
- 4.3.1 硬件驱动51
- 4.3.2 采集程序51-53
- 4.3.3 滤波程序53-56
- 4.3.4 求统计量程序56
- 4.3.5 通信程序56
- 4.3.6 支持向量机程序56-57
- 4.4 PC程序57-58
- 4.5 本章小结58-59
- 第五章 行星齿轮箱故障诊断实验59-68
- 5.1 概述59-60
- 5.2 实验过程60-67
- 5.3 本章小结67-68
- 第六章 总结与展望68-70
- 6.1 论文工作总结68
- 6.2 经验教训和展望68-70
- 参考文献70-75
- 攻读硕士学位期间所取得的研究成果75-76
- 致谢76-77
您可以在本站搜索以下学术论文文献来了解更多相关内容
独立分量分析在齿轮箱故障诊断中的应用 黄晋英;毕世华;潘宏侠;杨喜旺;
高速齿轮箱故障诊断技术及其诊断系统通过鉴定 一民
齿轮箱故障诊断方法 戴丽杰;
齿轮箱故障诊断技术的新发展 高国华 ,张永忠
基于系统特性的齿轮箱故障诊断 高永生;唐力伟;王建华;金海薇;
齿轮箱故障诊断技术现状及展望 魏秀业;潘宏侠;
基于关联距离熵的齿轮箱故障诊断 邢士勇;金海薇;郑海起;唐力伟;
一种基于支持向量机的齿轮箱故障诊断方法 吴德会;
空分457齿轮箱故障诊断 王华;包磊;宋昊明;郭颖;叶伟;
基于倒频谱特征提取的齿轮箱故障诊断 朱有剑;李建;
基于人工神经网络技术的齿轮箱故障诊断应用研究 蔡安江;豆卫涛;柴彦昌;孙少军;
基于系统特性的齿轮箱故障诊断 高永生;唐力伟;甘霖;杨通强;
基于灰色聚类决策的齿轮箱故障诊断 李爱民;
循环自相关函数在齿轮箱故障诊断中的应用 金大玮;李建桥;贾民平;
LWPEE与SVM在风电齿轮箱故障诊断中的应用 董海江;赵春华;万诗庆;汪伟;
基于多传感器信息融合的行星齿轮箱故障诊断 雷亚国;林京;何正嘉;
基于滤波技术和粒子群优化的齿轮箱故障诊断研究 许昕
小波分析及其在齿轮箱故障诊断中应用研究 焦新涛
齿轮箱故障诊断的小波包-ICA分析方法 李猷凤
基于自适应振动信号处理的齿轮箱故障诊断研究 鄢小安
基于粒子滤波的齿轮箱故障诊断 李楠
基于数据挖掘技术在齿轮箱故障诊断的应用 张韶
基于神经网络的齿轮箱故障诊断研究 李国明
基于DSP-SVM的风电齿轮箱故障诊断系统 卢昆鹏
基于DSP和TQWT稀疏分解的风电齿轮箱故障诊断系统 马凌芝
基于虚拟仪器的大型高速齿轮箱故障诊断系统研究 陈晗霄
传动齿轮箱故障诊断系统研究 杨成
基于粒子群优化与支持向量机的齿轮箱故障诊断研究 范江东