一、坦克发动机常见故障信号特征与诊断（论文文献综述）
吕朋[1]（2021）在《破碎机故障预警系统的研究》文中研究说明破碎机是矿山开采工作的关键设备,破碎生产工艺是矿山企业整个采矿生产流程的重要环节,因此破碎机在矿山生产流程中占据重要的地位,破碎机的工作状态对矿山生产有直接影响。对破碎机进行状态监测和故障诊断可以保证破碎系统安全稳定运行。故障诊断的实质就是模式识别,提高识别准确率的关键在于故障特征的提取的有效性和诊断模型参数的优化,因此如何实现精确高效的故障特征提取,建立优化的诊断模型成为新的研究热点。本文通过破碎机关键部位的振动信号,采用小波变换、粒子群算法和支持向量机技术,研究圆锥式破碎机故障智能诊断方法,本文的主要内容如下:（1）首先根据故障诊断的实际需求,设计了圆锥破碎机振动数据的采集系统,为后续故障诊断提供了数据来源。（2）应用小波分析理论对破碎机故障信号进行提取。使用小波函数对振动信号进行降噪处理,并与傅里叶变换方法进行对比分析。最终应用小波分析技术进行频带分析,通过统计处理得到的典型故障类别的小波能量特征向量,建立故障诊断查询表。（3）采用多分类策略,建立了基于支持向量机技术的多分类子模型。应用粒子群优化算法,采用交叉验证技术对各子模型的规则化参数c以及核参数g进行优化,以保证支持向量机在最优状态下进行分类。（4）最后对破碎机故障诊断系统进行软件设计,应用SQL Server2008设计数据存储系统,使用Visual Studio中的C#编写窗体应用程序和人机交互画面。实现了破碎机在线故障诊断和预警信息的远程发布功能。
尚坤[2]（2020）在《基于改进VMD的航空发动机转子故障特征融合方法研究》文中指出航空发动机作为飞机的“心脏”,由各种复杂旋转机械构成,其中转子系统更尤为重要。在高温高压等极端的工作环境中,转子系统很容易发生由复杂振动引起的故障。因此,对航空发动机转子系统的早期故障诊断研究,来保证航空飞行的安全,减少航空事故的发生具有重要的意义。因为早期的航空发动机故障信号非常赢弱,经常混淆在巨大的噪声中,很难准确的从中提取出故障信息。为了解决这一问题,笔者主要进行了以下的研究:（1）对目前较为多发的几种航空发动机转子故障予以介绍以及详细的分析;分析了变分模态分解（VMD）的局限性,对该方法进行优化,论证其相比优化前所具备的优势。（2）探讨如何在时域与频域特征集、样本熵特征集与ARIMA模型就出上创建高维混合域故障特征集,以全方位的揭示出故障的特性。把优化后的变分模态分解与构建的高维混合域特征集相结合,结合等度规映射（ASL-Isomap）的流形学习方法对高维度故障特征集展开低维流形重构,达到融合故障特征,并据此改进VMD混合域特征集-ASL-Isomap的特征提取方法。（3）通过支持向量机（SVM）完成数据处理结果识别分类,由此分析并识别航空发动机转子系统故障,通过网格搜索算法优化支持向量机的参数,创建优化后的VMD-混合域特征集-ASL-Isomap-SVM故障诊断模型。显示诊断率达98.75%,可见其精度较高,适合推广。和EWT混合域特征集-ASL-Isomap-SVM的故障诊断模型、数据直接处理的故障诊断模型展开对比,证实其具有优越性。（4）通过MATLAB平台的GUIDE设计航空发动机转子故障系统界面,提高诊断流程的直观性和便捷性,降低诊断操作难度。
薛琦[3]（2019）在《核管道故障诊断及可靠性评估软件平台》文中指出人类社会的发展需要使用大量能源,在获取和使用能源的过程中,很容易对自然环境产生较大影响。我国现阶段能源结构并不十分合理,石化能源仍为主要能源。石化能源的过度使用可造成严重的环境污染,如雾霾、温室效应等。核电作为一种取之不尽用之不竭的清洁能源,在我国能源结构中占比越来越高,但其安全性仍然受到极高的关注。核管道作为核电站最重要的介质和能量输送通道,长期处于高温、腐蚀、核辐射、振动等恶劣环境下服役,尤其是管道振动可导致松脱、裂纹扩展、泄露等严重事故。智能故障诊断在航空航天、兵器、军事电子、汽车、机械、船舶等诸多领域日益得到重视,并开发了各种各样的智能故障诊断系统。在核电领域,目前还没有开发针对核管道振动故障诊断的智能故障诊断系统,维保人员只能根据工程经验判断可能的故障原因并进行维护,这使得核管道的维保工作费时费力,甚至在长时间无法诊断具体原因时不得不采用停机处理。因此,急需针对核管道常见的故障模式,结合先期丰富的经验数据,开发一款智能故障诊断系统,以实现核电站核管道故障智能诊断。鉴于此,本文主要研究工作如下:（1）阐述了核级管道振动故障诊断及可靠性评估系统的研究进展;介绍了对核管道加速度振动信号预处理的原理及信号处理方法,涉及信号滤波、加窗函数、重采样、聚类分析等。（2）从众多特征中辨识、提取了核管道正常工作、支撑不足、共振和汽蚀四种工况下的故障特征,并采用支持向量机构建了核级管道振动故障诊断的智能诊断方法;结合敏感特征退化趋势,采用相关向量机,构建了核级管道振动退化可靠性评估方法。（3）针对项目要求,开展了详细的项目需求与软件设计分析,自主研制了核级管道振动故障智能诊断及退化可靠性评估系统,并进行了实测数据验证。
林水泉[4]（2018）在《基于BP神经网络和D-S证据理论的石化机组滚动轴承故障诊断研究》文中研究表明在石油化工行业中,旋转机械设备的结构与组成变得越来越复杂。目前,石化机组日益趋向于大型化、高速化、自动化,在旋转机械故障诊断中,信号处理、模式识别、人工智能等方法大大提高了工业系统的稳定性和安全性。但是由于石化机组所处的环境比较复杂,影响现场的因素很多,具有较大的不确定性特点。因此,在实际工业石化现场故障诊断中,依然存在着故障诊断误诊、漏诊,及准确度不够精确等问题。在旋转机械中,滚动轴承的应用最为广泛,也是极易发生故障的零件之一。轴承故障的恶化不仅会降低机组的稳定性,严重的故障也会带来意外的停机和人员伤害等事件,严重影响工业生产作业。因此,开展石化机组轴承的故障诊断研究能够在早期发现故障并提出合理的维修方案排除潜在故障,具有非常重要的现实和理论意义。本文以石化机组的滚动轴承为研究对象,1)介绍了滚动轴承的振动特性、故障机理、以及单点损伤故障诊断理论模型;2)分析了小波变换、BP神经网络、D-S证据理论等方法的应用;3)并具体研究了石化机组滚动轴承常见的4种单一故障,为机组轴承故障诊断提供了理论依据。针对旋转机械轴承的故障诊断存在难分辨、精度不高等问题,本文提出了一种基于BP神经网络与D-S证据理论相结合的故障诊断方法。通过利用D-S证据理论分别将时域、频域在BP神经网络的结果进行融合,以此得到机组滚动轴承故障诊断的最终结果。首先对获取的轴承信号进行小波分解与重构,并分别选取其前4个小波系数进行重构;接着在时域上分别对每一个小波系数各提取7个时域特征值,利用BP神经网络获取轴承故障结果;然后在频域上分别对每一个小波系数各提取7个频域特征值,利用BP神经网络获取轴承故障结果;最后分别将时域、频域的故障分类结果归一化至[0,1],并将归一化后的结果进行时频域D-S证据理论融合。为了证明该方法的有效性,本文分别通过对美国凯斯西储大学电气工程实验室、广东省石化装备故障诊断重点实验室的滚动轴承数据进行实验分析与讨论。实验结果表明,本文提出的方法准确率比独自进行时域和频域分析的效果都要好,提高了故障分类的准确性和可靠性。
文侠[5]（2018）在《一种坦克发动机电起动系统故障诊断新方法》文中提出发动机电起动系统在坦克中起到重要的动力支撑作用,发动机电起动系统的运行效率以及技术状况的好坏,会直接影响到坦克的整体作战效能和机动性能。本文通过对坦克发动机电起动系统工作原理的分析,从电起动系统故障检测思路、电起动系统显性故障诊断以及电起动系统隐形故障诊断三个方面入手,对坦克发动机电起动系统故障诊断新方法展开研究,希望能为相关工作的开展提供参考。
金业壮[6]（2018）在《航空发动机典型振动故障分析与研究》文中研究表明航空发动机结构复杂,工作转速高,工作条件恶劣,状态变化频繁,使得振动故障形式多种多样,故障机理错综复杂。据相关资料统计,航空发动机70%以上的故障源于振动。近年来,在我国航空发动机发生的重大事故中,80%是由于转子系统的振动故障所致。其中,碰摩故障和积油故障分别是转子系统中两种典型的振动故障。碰摩故障不仅会导致转-静件间隙增大、轴承磨损、叶片产生裂纹甚至折断,而且可能引起转子系统的运动失稳,使得机匣产生较大的变形,由此引起的振动超标会严重影响发动机的工作效率。另外,转子系统积油故障的危害也不容忽视,由漏油现象导致转子腔体内形成积液团,当积液团的进动频率与转子的临界转速产生不同步进动时,转子系统将产生强烈的自激振动,轻则导致振动超标、诱发各种中、低频噪声,重则导致鼓式转子结构出现开口、裂纹甚至大面积破坏,酿成重大的安全事故。因此,深入开展航空发动机典型振动故障的研究,具有重要的科学意义和工程应用价值。尽管目前工程界、学术界已对与航空发动机相关的各类振动故障问题,如整机振动故障、转子系统振动故障、齿轮振动故障、油膜涡动与油膜振荡等问题开展了许多研究工作,且取得了丰硕的研究成果。但对于转子系统的振动故障问题,绝大多数学者和研究人员都是针对转子不平衡、不对中以及裂纹故障进行研究,对于碰摩故障和积油故障,并没有很好地利用相关试验器和真实试车台的测试数据,完整地、系统地、深入地研究其故障机理和相关测试技术。为此,有必要采用理论和实验相结合的方式,一方面通过解析和仿真方法来研究其在故障状态下的动力学特性,确定其固有特性和振动响应特性的变化规律;另一方面,还需不断探索并寻找适合测试航空发动机碰摩与积油故障的实验设备和测试方法,以验证理论分析方法及其结果的正确性。本文基于自行设计的碰摩故障转子试验器和积油转子试验器,深入研究了航空发动机碰摩和积油故障的动力学机理及其相关测试技术。同时,基于试车台,对某型航空发动机进行了实际的碰摩故障和积油故障测试,并对台架试车时两类故障信号的特征进行了分析与总结。论文主要内容如下:（1）针对航空发动机原型机测试碰摩故障存在的各种困难问题,首先设计并搭建了一款航空发动机转子试验器,然后对该试验器在单转子和双转子碰摩情况下的动力学特性进行了详细的分析,并基于多体动力学软件ADMAS,针对该试验器建立几何模型,分别对其在单转子、双转子碰摩故障下进行详细的仿真分析与研究。最后,基于该试验器对单转子的碰摩特征进行了测试,并模拟双转子效应完成了双转子碰摩特征的实验测试,有效验证了理论分析方法的正确性。（2）针对航空发动机原型机上较难进行积油故障的模拟与分析的问题,设计并搭建了航空发动机积油转子试验器。采用解析方法和ADAMS仿真方法分别对积油转子系统进行了动力学仿真研究,还基于该试验器对不同介质和积油状态下积油转子系统的振动特性进行了测试,验证了 ADAMS仿真分析方法的正确性。（3）基于实际的试车台,对某型航空发动机的碰摩故障和积油故障进行了测试,获取了真实发动机的故障特征信号,并对碰摩故障和积油故障的原因及其频谱特征进行了分析与研究,验证了基于上述试验器获得的故障分析结论的正确性。本文的研究成果可为航空发动机碰摩故障的监测与诊断提供理论依据,为航空发动机积油故障的早期诊断与预报提供数据支持,为建立上述两类典型振动故障测试与分析的方法体系提供理论与实践参考。
何全亮[7]（2018）在《坦克发动机健康监测与故障诊断系统研究》文中指出发动机作为坦克的动力来源,是坦克车辆的核心设备之一,其运行状态和性能的好坏将直接影响坦克的作战效能。据查阅文献与调查统计,自第一次世界大战至今,坦克在作战与训练当中由机械故障引发的故障率占据第一位（占35%）,机械故障中坦克发动机故障又占48%。随着我军装备信息化程度越来越高,坦克作为信息化装备的代表,其结构也越来越复杂,对装备保障的要求也越来越高。为了及时发现坦克发动机的故障征兆并及时排除故障,避免重大事故的发生,根据坦克的实际运行状况对坦克发动机进行健康监测与故障诊断就显得十分必要且有意义。论文以某型水冷废气涡轮增压坦克柴油发动机为研究对象,并且以此种类型的坦克发动机常见故障模式为基础,对坦克发动机的关键特征参数进行采集、处理和分析,使用统计方法、聚类算法实现了坦克发动机运行状态的健康监测和异常检测;通过对基于集成分类器的坦克发动机故障诊断方法的研究,实现了坦克发动机典型故障模式的分类识别。论文首先对坦克发动机的机械系统组成进行了简要介绍,而后分析了坦克发动机故障机理及特征并对其主要故障模式和特征选取进行了总结。在此基础上结合坦克的工作模式特点,设计了坦克发动机健康监测与故障诊断系统的总体架构、系统功能模块和工作流程。对坦克发动机数据采集与传输管理系统进行详细分析与设计,建立坦克发动机车载信息采集平台、基于GPRS的无线通讯系统和坦克发动机监测诊断数据库管理系统,为坦克发动机的健康监测与故障诊断奠定了坚实的数据基础。最后基于数据挖掘方法对坦克发动机的运行状态进行监测,为了提高坦克发动机状态监测的准确率,建立了基于统计方法的坦克发动机重要状态参数监控以及基于机器学习的异常检测模型。考虑到坦克发动机工况故障类别往往难以准确掌握,利用最新的机器学习算法和模型构建集成分类器,通过对车载测试系统采集到的坦克发动机运行数据进行分析建模,实现坦克发动机多种故障模式的准确分类识别。
旷年玲[8]（2017）在《破片打击下坦克柴油发动机易损性分析与计算》文中研究指明定量计算破片打击下坦克柴油发动机的易损性主要分为三个研究方面:建立柴油机易损性分析模型、计算破片单次打击下柴油机的杀伤概率及易损面积、计算破片多次打击下柴油机的杀伤概率及易损面积。本文对以上研究方面进行了深入研究,针对坦克柴油机建立了以平面射击扫描法为核心的破片打击下的柴油机易损性计算方法,并编写了相应的计算程序。根据计算结果,提出了柴油机易损性降低措施。全文的第二到五章是文章的主要研究内容。第二章建立了柴油机易损性模型。通过柴油机故障树分析所确定的柴油机关键部件建立柴油机在给定破片打击下的杀伤树,确定柴油机致命性部件。将柴油机划分为几个功能区,并建立柴油机毁伤等级。简化柴油机并建立三维模型,输出对应的部件编号及节点坐标信息。第三章利用MATLAB编写平面网格射击线扫描法计算程序,对给定破片单次打击下柴油机部件的杀伤概率及易损面积进行计算。第四章定义了柴油机标准攻击方向;编写了给定单次打击下柴油机标准攻击方向上杀伤概率的计算程序,计算了柴油机在标准攻击方向上的杀伤概率及易损面积。第五章利用树图法分析柴油机在破片多次打击下的易损性情况,编写柴油机在破片多次打击下的杀伤概率计算程序,并计算在柴油机上方遭受多次打击时其对应的杀伤概率。研究结果能为战场指挥、坦克柴油机生存力增强/易损性减缩设计与优化战斗部杀伤效能等具有重要的参考价值及指导意义。
张雨蒙[9]（2017）在《基于发动机耐久性试验数据的故障诊断》文中认为耐久性试验是发动机测试试验的重要组成部分,是保障发动机生产质量必不可少的环节。由于耐久性试验中发生故障的频率较低,故障样本的积累少,给这种小样本条件下进行的故障诊断增加了困难。某企业配备德尔塔分析仪作为发动机耐久性试验的监控设备,该仪器的核心阶次谱分析技术已成功应用于变速箱的故障分析,但由于发动机结构的复杂性,目前尚缺乏基于该设备的成熟解决方案。基于企业对此项技术的需求,本文研发了一套基于机器学习技术的故障诊断方案。本文首先回顾了几种经典的发动机振动信号故障分析手段,并将其成功的应用在发动机实测数据中,这些理论方法是阶次分析的基础。随后介绍了德尔塔分析仪的监控方法和报警原理,并重点介绍了阶次分析技术。接下来针对耐久性试验中出现的几种典型故障,分析其数据特点,总结故障与阶次谱的对应关系。通过对阶次谱线分析的经验和结论,本文提出了一种基于阶次谱分析的特征提取方法,得到的特征向量维度稳定且每个特征值有明确的物理意义。最后,采用机器学习的方法进行故障类型的自动识别。方案采用主成分分析降维结合支持向量机,在同转速下得到较高的故障识别率,但扩展到全故障条件下分类准确率有所下降。方案二采用本文提出的特征提取方法结合xgboost分类算法,提高了全故障条件下分类的准确率,对排气摇臂损坏、火花塞烧蚀、活塞开裂等类型的故障识别率达到百分之百,并可以推测故障的严重程度。
向斌[10]（2015）在《冶金企业关键设备故障分析及故障诊断试验研究》文中研究指明在现代冶金企业生产中有一些关键重要设备,这些设备往往是大型、复杂、高价值、高自动化和连续运转的设备,它们的工作环境比较恶劣,冲击负荷比较严重,对这些关键设备部件的早期缺陷进行故障诊断非常重要。设备的故障可由振动情况体现,其运行状态的信息可由振动信号体现,根据振动信号对关键设备进行状态监测和故障诊断是可靠、有效的。以实验室内回转支承平台为实验研究对象,采集回转支承设备正常状态和两种故障（齿面磨损和齿轮局部异常）下的数据,经过硬件和软件处理分析,为冶金企业关键设备钢包回转台故障分析及故障诊断开发提供参考和研究依据。本课题所做的工作主要:（1）对冶金企业内代表性的关键重要设备风机和钢包回转台的振动特征和故障原理做了分析、研究。（2）对信号处理方法进行了讨论,对随机共振、瞬时功率谱、阶次分析和小波分析理论进行了介绍。（3）以回转支承平台为实验研究对象,提取设备正常状态和齿面磨损、齿轮局部异常故障信号,利用最优小波基降噪法对信号进行降噪处理,采用时域参数融合、小波-Hilbert包络、以及基于小波包分解的故障频域和时域参数分析等进行数据分析。
二、坦克发动机常见故障信号特征与诊断（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、坦克发动机常见故障信号特征与诊断（论文提纲范文）
（1）破碎机故障预警系统的研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 1.绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大型机械设备的智能故障诊断研究现状 |
| 1.2.2 矿山破碎机故障诊断研究现状 |
| 1.3 论文的研究内容 |
| 1.4 论文的章节安排 |
| 2.破碎机故障诊断体系结构 |
| 2.1 破碎系统工艺流程 |
| 2.2 破碎机故障诊断体系结构与功能 |
| 2.3 破碎机结构与工作原理 |
| 2.4 破碎机故障类型与征兆 |
| 2.5 破碎机测点布置方案 |
| 2.6 本章小结 |
| 3.基于小波分析的破碎机故障信号提取 |
| 3.1 小波分析发展简介 |
| 3.1.1 连续小波变换 |
| 3.1.2 离散小波变换 |
| 3.1.3 小波基函数的介绍 |
| 3.1.4 多分辨分析 |
| 3.1.5 Mallat分解与重构算法 |
| 3.2 小波分析在MATLAB中的函数 |
| 3.2.1 小波分解在MATLAB中的函数 |
| 3.2.2 小波去噪在MATLAB中的函数 |
| 3.3 破碎机故障信号的小波降噪处理 |
| 3.3.1 小波阈值降噪理论 |
| 3.3.2 小波基函数的选择 |
| 3.3.3 分解层数的选择 |
| 3.3.4 阈值的选择 |
| 3.3.5 阈值函数的选择 |
| 3.3.6 小波阈值降噪仿真 |
| 3.4 破碎机故障特征提取 |
| 3.4.1 基于小波分解的故障信号特征提取方法 |
| 3.4.2 最佳小波基的选取 |
| 3.4.3 小波变换与傅里叶变换故障诊断的比较 |
| 3.5 基于小波分析的破碎机故障诊断的实例研究 |
| 3.6 本章小结 |
| 4 基于支持向量机的破碎机故障诊断研究 |
| 4.1 支持向量机的分类 |
| 4.1.1 线性可分支持向量机 |
| 4.1.2 广义线性支持向量机 |
| 4.2 多分类支持向量机算法 |
| 4.2.1 一对一策略多分类方法 |
| 4.2.2 一对多策略多分类方法 |
| 4.2.3 二叉树策略多分类方法 |
| 4.2.4 无环图策略多分类方法 |
| 4.3 SVM核函数 |
| 4.4 SVM模型的构建 |
| 4.5 基于支持向量机的破碎机故障诊断 |
| 4.5.1 粒子群优化算法 |
| 4.5.2 基于粒子群算法的SVM子模型参数优化 |
| 4.6 本章小结 |
| 5 破碎机故障诊断软件系统的实现 |
| 5.1 故障诊断软件设计 |
| 5.2 软件的主要功能 |
| 5.3 技术特点 |
| 5.4 振动单元故障诊断软件 |
| 5.5 基于物联网云平台的诊断及预警远程发布系统 |
| 5.5.1 数据采集设计与画面绘制 |
| 5.5.2 画面绘制和数据查询 |
| 5.5.3 报警信息推送 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）基于改进VMD的航空发动机转子故障特征融合方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.3 本课题主要研究内容和章节安排 |
| 2 转子系统的常见故障分析和改进变分模态分解方法 |
| 2.1 引言 |
| 2.2 航空发动机常见故障分析 |
| 2.2.1 转子系统振动的基本原理 |
| 2.2.2 转子常见故障分析 |
| 2.3 变分模态分解原理及其局限性 |
| 2.3.1 变分模态分解 |
| 2.3.2 变分模态分解的局限性 |
| 2.4 变分模态分解优化方法及验证 |
| 2.4.1 最佳模态数 |
| 2.4.2 维纳滤波器的最佳频带宽度 |
| 2.4.3 验证优化参数K及a的有效性 |
| 2.5 本章小结 |
| 3 基于改进VMD和流形学习的特征融合方法 |
| 3.1 引言 |
| 3.2 时域和频域特征集 |
| 3.3 ARIMA模型系数特征集 |
| 3.3.1 模型的表示 |
| 3.3.2 模型的定阶 |
| 3.3.3 模型的参数估计 |
| 3.4 样本熵特征集 |
| 3.5 等度规映射流形学习 |
| 3.5.1 流形学习简介 |
| 3.5.2 ASL-Isomap降维方法 |
| 3.6 改进VMD混合域特征集-ASL-Isomap的特征提取模型 |
| 3.7 本章小结 |
| 4 改进VMD混合域特征集-ASL-Isomap-SVM转子系统故障诊断 |
| 4.1 引言 |
| 4.2 支持向量机 |
| 4.2.1 支持向量机简介 |
| 4.2.2 基于支持向量机的故障诊断模型 |
| 4.2.3 支持向量机原理 |
| 4.2.4 SVM最优分类面 |
| 4.2.5 SVM的多类分类方法 |
| 4.2.6 LIBSVM简介 |
| 4.3 实验数据来源及实验数据参数的选取 |
| 4.4 故障诊断结果及对比分析 |
| 4.4.1 改进VMD混合域特征集-ASL-Isomap-SVM的故障诊断模型 |
| 4.4.2 改进VMD混合域特征集-ASL-Isomap-SVM模型结果分析 |
| 4.4.3 故障诊断模型对比分析 |
| 4.5 本章小结 |
| 5 航空发动机转子系统故障诊断的GUI设计 |
| 5.1 引言 |
| 5.2 MATLAB及 GUI简介 |
| 5.3 GUI的设计原则及流程 |
| 5.4 故障诊断界面设计及测试 |
| 5.4.1 故障诊断系统界面介绍 |
| 5.4.2 运行测试 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）核管道故障诊断及可靠性评估软件平台（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 国内外研究动态 |
| 1.2.1 国内研究状态 |
| 1.2.2 国外研究状态 |
| 1.3 故障诊断动态 |
| 1.4 可靠性评估动态 |
| 1.5 论文组织结构 |
| 第二章 基于振动信号的预处理和故障诊断 |
| 2.1 概述 |
| 2.2 经典滤波 |
| 2.2.1 巴特沃斯低通滤波器原理 |
| 2.2.2 切比雪夫低通滤波器原理 |
| 2.3 信号重采样 |
| 2.4 窗函数 |
| 2.5 聚类分析 |
| 2.6 功率谱分析 |
| 2.7 小波分析 |
| 2.8 支持向量机 |
| 2.8.1 线性支持向量机 |
| 2.8.2 非线性支持向量机 |
| 2.8.3 支持向量机多分类 |
| 2.8.4 SVM核函数 |
| 2.9 信号特征提取 |
| 2.9.1 时域特征提取 |
| 2.9.2 频域特征提取 |
| 2.10 本章小结 |
| 第三章 可靠性分析 |
| 3.1 概述 |
| 3.2 核管道可靠性分析目的 |
| 3.3 可靠性基本概念 |
| 3.3.1 可靠性 |
| 3.3.2 可靠度 |
| 3.3.3 失效率 |
| 3.3.4 失效阈值 |
| 3.4 相关向量机可靠性预测 |
| 3.4.1 相关向量机模型介绍 |
| 3.4.2 优化超参数 |
| 3.4.3 目标值预测 |
| 3.4.4 RVM可靠性预测流程 |
| 3.5 本章小结 |
| 第四章 需求分析与软件设计 |
| 4.1 概述 |
| 4.2 功能需求分析 |
| 4.3 系统技术需求 |
| 4.4 系统总体架构 |
| 4.5 系统软件架构需求 |
| 4.6 软件总体需求 |
| 4.6.1 软件总体技术需求 |
| 4.6.2 软件总体功能要求 |
| 4.7 软件安全需求 |
| 4.8 总体设计 |
| 4.9 系统流程设计 |
| 4.9.1 用户管理流程 |
| 4.9.2 信号重采样 |
| 4.9.3 经典滤波器 |
| 4.9.4 小波分解与去噪 |
| 4.9.5 信号加窗 |
| 4.9.6 功率谱分析 |
| 4.9.7 聚类分析 |
| 4.9.8 频谱与相关系数 |
| 4.9.9 故障诊断 |
| 4.9.10 可靠性分析 |
| 4.10 ER图设计 |
| 4.10.1 用户ER图设计 |
| 4.10.2 信号ER图设计 |
| 4.11 数据库逻辑设计 |
| 4.12 本章小结 |
| 第五章 系统实现与测试 |
| 5.1 概述 |
| 5.2 系统功能实现 |
| 5.2.1 用户登录功能实现 |
| 5.2.2 模块选择部分实现 |
| 5.2.3 传统滤波部分实现 |
| 5.2.4 信号重采样部分实现 |
| 5.2.5 信号加窗函数部分实现 |
| 5.2.6 功率谱部分实现 |
| 5.2.7 小波分解部分实现 |
| 5.2.8 小波去噪部分实现 |
| 5.2.9 频谱对比及相关系数部分实现 |
| 5.2.10 聚类分析部分实现 |
| 5.2.11 故障诊断功能实现 |
| 5.2.12 可靠性功能实现 |
| 5.2.13 信息提示部分实现 |
| 5.2.14 功能测试结果 |
| 5.3 系统性能测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）基于BP神经网络和D-S证据理论的石化机组滚动轴承故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 轴承故障诊断的研究背景与意义 |
| 1.2 轴承故障诊断发展概述 |
| 1.2.1 轴承故障诊断技术的研究现状 |
| 1.2.2 轴承故障诊断技术的发展趋势 |
| 1.3 BP神经网络在故障诊断中的应用 |
| 1.4 D-S证据理论在故障诊断中的应用 |
| 1.5 本文的主要研究内容 |
| 第二章 滚动轴承的故障诊断研究 |
| 2.1 滚动轴承的故障诊断研究 |
| 2.1.1 故障类型 |
| 2.1.2 故障机理 |
| 2.1.3 振动特性 |
| 2.2 滚动轴承单点损伤故障诊断理论模型 |
| 2.2.1 内圈单点损伤理论模型 |
| 2.2.2 外圈单点损伤理论模型 |
| 2.2.3 滚珠单点损伤理论模型 |
| 2.3 本章小结 |
| 第三章 小波包分析的基本理论 |
| 3.1 小波包分析概述 |
| 3.2 多分辨率分析和Mallat算法 |
| 3.2.1 多分辨分析 |
| 3.2.2 Mallat算法 |
| 3.3 小波包变换 |
| 3.3.1 小波函数 |
| 3.3.2 连续小波变换 |
| 3.3.3 离散小波变换 |
| 3.3.4 小波包分析 |
| 3.4 小波包分析在滤波方面的应用 |
| 3.5 小波包分析在消噪方面的应用 |
| 3.6 本章小结 |
| 第四章 D-S证据理论信息融合方法 |
| 4.1 D-S证据理论的起源 |
| 4.2 证据理论的基本概念 |
| 4.2.1 识别框架 |
| 4.2.2 基本概率赋值 |
| 4.2.3 置信函数 |
| 4.2.4 似然函数 |
| 4.2.5 置信度区间 |
| 4.2.6 基本概率赋值函数与置信函数的关系 |
| 4.3 证据理论的组合规则 |
| 4.4 实际应用中置信函数的获取 |
| 4.5 证据理论的发展 |
| 4.6 本章小结 |
| 第五章 基于BP神经网络与D-S证据理论时频域特征融合的轴承故障诊断方法 |
| 5.1 基于小波包时域故障诊断方法 |
| 5.1.1 小波包分解与重构 |
| 5.1.2 时域特征提取方法 |
| 5.1.3 BP神经网络与故障分类 |
| 5.2 基于小波包频域故障诊断方法 |
| 5.2.1 频域特征提取方法 |
| 5.2.2 BP神经网络与故障分类 |
| 5.3 基于D-S证据理论时域和频域特征融合的故障诊断方法 |
| 5.4 本章小结 |
| 第六章 滚动轴承故障诊断的实验分析与讨论 |
| 6.1 CWRU轴承故障诊断 |
| 6.1.1 实验数据 |
| 6.1.2 实验算法 |
| 6.1.3 实验结果分析 |
| 6.1.3.1 轴承故障原始信号 |
| 6.1.3.2 小波包分解与重构 |
| 6.1.3.3 时域特征提取 |
| 6.1.3.4 频域特征提取 |
| 6.1.3.5 时域、频域、时频域D-S证据理论融合实验结果分析 |
| 6.2 广石化机组轴承故障诊断 |
| 6.2.1 实验环境 |
| 6.2.1.1 机组组成 |
| 6.2.1.2 实验条件 |
| 6.2.2 实验结果分析 |
| 6.2.2.1 轴承故障原始信号 |
| 6.2.2.2 小波包分解与重构 |
| 6.2.2.3 时域特征提取 |
| 6.2.2.4 频域信号提取 |
| 6.2.2.5 时域分析、频域分析、时频域D-S融合的分类结果 |
| 6.3 实验结果对比与讨论 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 附件 |
（5）一种坦克发动机电起动系统故障诊断新方法（论文提纲范文）
| 一、坦克发动机电起动系统的工作原理 |
| 二、坦克发动机电起动系统故障的诊断发展 |
| (一) 电起动系统故障检测思路 |
| (二) 电起动系统显性故障诊断 |
| (三) 电起动系统隐性故障诊断 |
（6）航空发动机典型振动故障分析与研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的目的与意义 |
| 1.2 航空发动机整机与转子系统振动故障研究现状 |
| 1.2.1 航空发动机整机振动问题的研究现状 |
| 1.2.2 航空发动机转子系统振动故障研究现状 |
| 1.2.3 航空发动机转子系统振动故障诊断研究现状 |
| 1.3 航空发动机碰摩故障研究现状 |
| 1.4 航空发动机积油故障研究现状 |
| 1.5 航空发动机故障测试方法与试验研究现状 |
| 1.5.1 传统振动故障信号的处理方法 |
| 1.5.2 现代振动故障信号的处理方法 |
| 1.5.3 信号处理方法的应用 |
| 1.6 本文的结构与主要研究内容 |
| 第2章 航空发动机转子试验器的碰摩故障特征试验与测试 |
| 2.1 概述 |
| 2.2 航空发动机碰摩转子试验器的结构描述与碰摩特征再现 |
| 2.2.1 航空发动机碰摩转子试验器结构形式 |
| 2.2.2 航空发动机碰摩转子试验器的固有特性分析 |
| 2.3 航空发动机转子试验器的单转子碰摩特征测试 |
| 2.4 转子试验器的双转子碰摩特征测试 |
| 2.5 碰摩测试结果与分析 |
| 2.6 本章小结 |
| 第3章 航空发动机碰摩故障的动力学特性分析与仿真 |
| 3.1 概述 |
| 3.2 基于解析法的碰摩故障下转子动力学特性分析 |
| 3.2.1 单转子碰摩动力学模型的建立 |
| 3.2.2 单转子碰摩动力学模型的仿真分析 |
| 3.2.3 单转子碰摩的动力学特征 |
| 3.2.4 双转子碰摩动力学模型的建立 |
| 3.2.5 双转子碰摩动力学模型的仿真分析 |
| 3.2.6 双转子转静件碰摩时的组合谐波特征分析 |
| 3.3 基于ADAMS的碰摩故障下转子动力学特性仿真 |
| 3.3.1 基于ADAMS的多体系统动力学仿真的基本原理 |
| 3.3.2 单转子碰摩的ADAMS仿真模型的建立 |
| 3.3.3 单转子碰摩响应仿真分析 |
| 3.3.4 双转子碰摩的ADAMS仿真模型的建立 |
| 3.3.5 双转子碰摩响应仿真分析 |
| 3.4 本章小结 |
| 第4章 航空发动机积油转子试验器的积油故障测试 |
| 4.1 概述 |
| 4.2 航空发动机积油转子试验器的结构描述与积油模拟方法 |
| 4.3 转子试验器的积油故障测试 |
| 4.3.1 积油转子故障的实验原理及实验内容 |
| 4.3.2 积油转子故障的测试方法与步骤 |
| 4.4 积油故障试验测试与分析 |
| 4.4.1 积油故障测试结果 |
| 4.4.2 积油故障测试结果分析 |
| 4.5 本章小结 |
| 第5章 航空发动机积油转子系统的动力学特性分析 |
| 5.1 概述 |
| 5.2 积油转子系统动力学特性分析与解析方法 |
| 5.2.1 动力学模型建立 |
| 5.2.2 积油转子系统解析结果与分析 |
| 5.3 基于ADAMS方法的积油转子系统的仿真研究 |
| 5.3.1 航空发动机转子积油转子系统ADAMS模型的建立 |
| 5.3.2 航空发动机转子积油转子系统中积油团的模拟 |
| 5.3.3 积油转子系统ADAMS仿真结果与分析 |
| 5.4 本章小结 |
| 第6章 航空发动机台架试车的碰摩故障测试与分析 |
| 6.1 概述 |
| 6.2 某型航空发动机整机碰摩故障测试与分析 |
| 6.3 不同类型航空发动机碰摩特征的对比分析 |
| 6.3.1 某型涡喷发动机碰摩特征的测试与分析 |
| 6.3.2 某型涡扇发动机碰摩特征的测试与分析 |
| 6.4 本章小结 |
| 第7章 航空发动机台架试车的积油故障测试与分析 |
| 7.1 概述 |
| 7.2 某型航空发动机积油故障测试 |
| 7.2.1 故障现象分析 |
| 7.2.2 积油故障测试结果 |
| 7.3 某型航空发动机积油故障的机理分析 |
| 7.3.1 积油故障转子的临界转速分析 |
| 7.3.2 积油故障的实测振动特性分析 |
| 7.4 本章小结 |
| 第8章 结论和展望 |
| 8.1 结论 |
| 8.2 主要创新点 |
| 8.3 相关课题研究展望 |
| 参考文献 |
| 致谢 |
| 附录A 作者简介 |
| 附录B 攻读博士期间发表与录用的学术论文 |
| 附录C 攻读博士期间参加的科研项目 |
（7）坦克发动机健康监测与故障诊断系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外发动机健康监测与故障诊断研究现状 |
| 1.2.2 坦克发动机健康监测与故障诊断研究现状 |
| 1.3 论文的主要工作及章节安排 |
| 第二章 坦克发动机健康监测与故障诊断系统总体设计 |
| 2.1 坦克发动机概述 |
| 2.2 坦克发动机主要故障模式分析及监测参数选取 |
| 2.2.1 坦克发动机主要故障模式 |
| 2.2.2 坦克发动机监测参数的选取 |
| 2.3 坦克发动机健康监测与故障诊断系统总体架构 |
| 2.3.1 坦克车载信息采集平台 |
| 2.3.2 车地无线通讯系统 |
| 2.3.3 坦克远程监控中心 |
| 2.4 功能模块设计与系统工作流程 |
| 2.4.1 功能模块设计 |
| 2.4.2 系统工作流程 |
| 2.5 本章小结 |
| 第三章 坦克发动机数据采集与传输管理系统 |
| 3.1 坦克发动机数据采集与传输管理系统总体设计 |
| 3.2 坦克发动机车载信息采集平台 |
| 3.2.1 振动 |
| 3.2.2 油液 |
| 3.2.3 温度 |
| 3.2.4 液压与气压 |
| 3.2.5 其他工况参数 |
| 3.2.6 车载信息采集与无线通信模块 |
| 3.3 基于GPRS的无线通讯系统 |
| 3.3.1 GPRSDTU介绍 |
| 3.3.2 基于GPRS DTU的远程数据传输网络 |
| 3.3.3 数据打包与远程传输 |
| 3.4 坦克发动机监测诊断数据库管理系统 |
| 3.4.1 监测诊断数据库建立 |
| 3.4.2 数据监测 |
| 3.4.3 数据管理 |
| 3.5 本章小结 |
| 第四章 基于数据挖掘的坦克发动机状态监测方法 |
| 4.1 建模数据处理 |
| 4.1.1 数据预处理 |
| 4.1.2 特征工程 |
| 4.2 基于统计方法的坦克发动机关键工况参数监控方法 |
| 4.2.1 滑动窗口统计方法 |
| 4.2.2 基于偏度校正的非正态控制方法 |
| 4.2.3 坦克发动机关键工况参数监控 |
| 4.3 基于机器学习的异常检测模型建立 |
| 4.3.1 相似性原理 |
| 4.3.2 基于聚类分析的健康模型库的构建 |
| 4.3.3 基于最小匹配距离的异常状态检测 |
| 4.4 异常检测模型实例验证 |
| 4.4.1 数据预处理 |
| 4.4.2 特征工程 |
| 4.4.3 建模及结果分析 |
| 4.5 本章小结 |
| 第五章 基于集成分类器的坦克发动机故障诊断 |
| 5.1 基础理论介绍 |
| 5.1.1 集成学习 |
| 5.1.2 决策树 |
| 5.1.3 支持向量机 |
| 5.2 数据处理与特征提取 |
| 5.2.1 连续属性离散化 |
| 5.2.2 振动信号特征提取 |
| 5.3 基于集成分类器的坦克发动机故障诊断 |
| 5.4 分析结果展示 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）破片打击下坦克柴油发动机易损性分析与计算（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 坦克易损性分析基本概念及国内外研究现状 |
| 1.2 破片打击下坦克柴油机易损性分析研究的目的和意义 |
| 1.3 易损性量度方法 |
| 1.4 易损性研究方法及一般计算过程 |
| 1.5 本文研究的主要内容 |
| 第2章 柴油机易损性建模方法 |
| 2.1 柴油机关键部件辨识 |
| 2.1.1 柴油机的结构分解 |
| 2.1.2 柴油机故障树分析 |
| 2.2 柴油机杀伤树分析及研究 |
| 2.2.1 柴油机功能区的划分与组成 |
| 2.2.2 柴油机功能区与对应毁伤效应分析 |
| 2.2.3 柴油机毁伤等级的建立 |
| 2.2.4 柴油机各功能杀伤系统的DS定义 |
| 2.3 柴油机DS杀伤树构造与致命性部件的确立 |
| 2.4 柴油机功能区模型的建立 |
| 2.4.1 对各致命性部件进行等效处理 |
| 2.4.2 建立柴油机几何模型 |
| 2.4.3 利用产品封装法对柴油机功能区进行简化并建立计算模型 |
| 2.5 本章小节 |
| 第3章 柴油机的几何描述方法 |
| 3.1 平面射击线扫描法编程及相关理论 |
| 3.2 几何描述的平面网格射击线扫描法 |
| 3.2.1 建立射击线投影坐标系 |
| 3.2.2 确定平面网格范围并产生射击线 |
| 3.2.3 判断射击线是否击中柴油机功能区 |
| 3.2.4 破片的初速度及衰减规律 |
| 3.2.5 射击线的穿透方程及停止准则 |
| 3.2.6 几何描述数据计算 |
| 3.3 算例 |
| 第4章 破片单次打击柴油机易损性计算方法 |
| 4.1 柴油机标准供给方向定义 |
| 4.2 经典单次打击易损性计算模型 |
| 4.2.1 无余度无重叠模型 |
| 4.2.2 无余度有重叠模型 |
| 4.2.3 有余度无重叠模型 |
| 4.2.4 有余度有重叠模型 |
| 4.3 柴油机单次打击易损性定量计算方法 |
| 4.4 算例 |
| 4.5 柴油机易损性降低措施及权衡方法 |
| 4.6 本章小结 |
| 第5章 破片多次打击柴油机易损性计算方法 |
| 5.1 树图法 |
| 5.1.1 无余度情况 |
| 5.1.2 有余度情况 |
| 5.2 基于柴油机独立存在状态的树图法 |
| 5.3 柴油机多击中易损性定量计算 |
| 5.3.1 给定条件下柴油机多击中易损性计算方法 |
| 5.3.2 柴油机多击中易损性通用计算方法 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（9）基于发动机耐久性试验数据的故障诊断（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状及发展动态分析 |
| 1.2.1 发动机故障诊断的发展历史和研究现状 |
| 1.2.2 阶次分析在发动机的故障诊断中的应用 |
| 1.2.3 发动机故障信号的特征提取和识别 |
| 1.3 研究内容与框架 |
| 1.3.1 论文的研究思路和主要工作 |
| 1.3.2 论文的结构安排 |
| 2 传统的故障分析手段 |
| 2.1 发动机振动原理和故障特点 |
| 2.2 信号的传统分析法 |
| 2.2.1 时域分析 |
| 2.2.2 频域分析 |
| 2.3 小波分析相关方法 |
| 2.3.1 小波变换 |
| 2.3.2 离散小波变换 |
| 2.3.3 小波包分解 |
| 2.3.4 小波包分解能量特征 |
| 2.4 基于PAK数据的故障分析 |
| 2.4.1 失火故障分析 |
| 2.4.2 发动机异响故障分析 |
| 2.4.3 传统的故障分析总结 |
| 3 基于阶次谱的故障分析和特征提取 |
| 3.1 德尔塔分析仪及其基本原理 |
| 3.2 阶次分析原理 |
| 3.3 基于阶次谱的典型故障分析 |
| 3.3.1 气门断裂故障 |
| 3.3.2 排气摇臂损坏故障 |
| 3.3.3 活塞开裂故障 |
| 3.3.4 缸内划痕故障 |
| 3.3.5 飞轮故障 |
| 3.3.6 火花塞烧蚀 |
| 3.3.7 喷油故障 |
| 3.3.8 失火故障 |
| 3.3.9 变速箱轴断故障 |
| 3.4 故障特征提取 |
| 3.4.1 特征提取理论 |
| 3.4.2 主成分分析 |
| 3.4.3 基于阶次谱分析的特征提取 |
| 4 基于机器学习的故障识别技术 |
| 4.1 统计学习理论 |
| 4.2 支持向量机在故障诊断中的应用 |
| 4.3 基于xgboost的故障诊断技术 |
| 5 总结与展望 |
| 5.1 结论 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
（10）冶金企业关键设备故障分析及故障诊断试验研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 机械设备故障诊断技术的发展、研究状况及研究意义 |
| 1.2.1 国内外机械设备故障诊断技术的发展 |
| 1.2.2 机械故障诊断技术的研究现状 |
| 1.2.3 机械故障诊断技术的研究意义 |
| 1.3 国内外冶金企业设备故障诊断技术的发展 |
| 1.4 本文的主要研究目的和研究内容 |
| 2 机械信号检测、分析等相关理论 |
| 2.1 机械故障诊断信号分析常用方法 |
| 2.1.1 传统的分析方法 |
| 2.1.2 随机共振 |
| 2.1.3 阶次分析 |
| 2.1.4 瞬时功率谱分析 |
| 2.1.5 小波分析 |
| 2.2 机械故障诊断信号检测技术发展 |
| 2.3 小结 |
| 3 风机典型故障特征 |
| 3.1 风机主要性能及结构简介 |
| 3.2 风机运行工况 |
| 3.3 风机常见主要故障及原因分析 |
| 3.3.1 风机转子不平衡 |
| 3.3.2 风机转子不对中 |
| 3.3.3 风机基础或连接松动 |
| 3.3.4 风机叶轮故障 |
| 3.3.5 自激振动 |
| 3.3.6 旋转失速及喘振 |
| 3.3.7 转子碰摩 |
| 3.3.8 电力引起的振动 |
| 3.4 风机常见故障的特征频率计算 |
| 3.5 小结 |
| 4 钢包回转台典型故障特征 |
| 4.1 钢包回转台主要性能及结构简介 |
| 4.2 钢包回转台常见故障及特征 |
| 4.2.1 钢包滑移 |
| 4.2.2 回转支承疲劳剥落损伤 |
| 4.2.3 回转支承磨损 |
| 4.2.4 回转支承齿轮失效 |
| 4.2.5 回转掉电 |
| 4.2.6 结构变形 |
| 4.2.7 螺栓松动 |
| 4.3 小结 |
| 5 回转试验台齿轮故障诊断实例分析 |
| 5.1 数据采集系统 |
| 5.1.1 传感器选择与布局 |
| 5.1.2 数据采集系统 |
| 5.2 回转支承齿轮基本情况 |
| 5.3 采集信号的滤波与降噪 |
| 5.4 齿轮磨损故障分析 |
| 5.4.1 齿轮磨损故障信号重构与功率谱分析 |
| 5.4.2 齿轮磨损故障信号时域参数融合分析 |
| 5.4.3 齿轮磨损微弱故障诊断方法研究 |
| 5.5 齿轮局部异常微弱故障诊断方法研究 |
| 5.5.1 三向信号功率谱对比分析 |
| 5.5.2 三向信号时域参数对比分析 |
| 5.5.3 基于小波包分解的齿轮局部异常故障频域和时域参数分析 |
| 5.6 小结 |
| 6 总结和展望 |
| 6.1 总结 |
| 6.2 不足和展望 |
| 参考文献 |
| 致谢 |
| 硕士研究生学习阶段发表的论文 |
四、坦克发动机常见故障信号特征与诊断（论文参考文献）
- [1]破碎机故障预警系统的研究[D]. 吕朋. 辽宁科技大学, 2021
- [2]基于改进VMD的航空发动机转子故障特征融合方法研究[D]. 尚坤. 河南工业大学, 2020(01)
- [3]核管道故障诊断及可靠性评估软件平台[D]. 薛琦. 电子科技大学, 2019(01)
- [4]基于BP神经网络和D-S证据理论的石化机组滚动轴承故障诊断研究[D]. 林水泉. 华南理工大学, 2018(05)
- [5]一种坦克发动机电起动系统故障诊断新方法[J]. 文侠. 中国战略新兴产业, 2018(36)
- [6]航空发动机典型振动故障分析与研究[D]. 金业壮. 东北大学, 2018
- [7]坦克发动机健康监测与故障诊断系统研究[D]. 何全亮. 西安电子科技大学, 2018(02)
- [8]破片打击下坦克柴油发动机易损性分析与计算[D]. 旷年玲. 北京理工大学, 2017(03)
- [9]基于发动机耐久性试验数据的故障诊断[D]. 张雨蒙. 大连理工大学, 2017(04)
- [10]冶金企业关键设备故障分析及故障诊断试验研究[D]. 向斌. 西安建筑科技大学, 2015(06)