一、基于知識(shí)的非標(biāo)準(zhǔn)滾動(dòng)軸承專家系統(tǒng)的研究（論文文獻(xiàn)綜述）
楊松[1]（2021）在《基于Python的軸承信息管理系統(tǒng)后端的設(shè)計(jì)與實(shí)現(xiàn)》文中指出軸承是機(jī)械行業(yè)使用較廣泛的零部件,軸承的設(shè)計(jì)與選型是機(jī)械設(shè)計(jì)工作的一部分。當(dāng)前機(jī)械設(shè)計(jì)工作需要設(shè)計(jì)人員反復(fù)查閱機(jī)械設(shè)計(jì)手冊(cè)和軸承知識(shí)資料,不僅降低了工作效率,還浪費(fèi)了豐富的軸承數(shù)據(jù)資源。為此本文設(shè)計(jì)開發(fā)了一個(gè)以軸承數(shù)據(jù)及軸承知識(shí)為核心的軸承信息管理系統(tǒng),對(duì)設(shè)計(jì)人員工作效率的提升和軸承數(shù)據(jù)資源的高效利用有著重要意義。本文的主要工作是設(shè)計(jì)實(shí)現(xiàn)軸承信息管理系統(tǒng)的后端部分,主要工作如下:（1）結(jié)合企業(yè)與系統(tǒng)需求,明確系統(tǒng)的整體功能,設(shè)計(jì)了系統(tǒng)后端架構(gòu),將系統(tǒng)劃分為用戶管理、信息管理、軸承管理、系統(tǒng)管理四個(gè)功能模塊及壽命計(jì)算系統(tǒng),闡述了各模塊的具體業(yè)務(wù)功能并分析了系統(tǒng)業(yè)務(wù)運(yùn)行流程。（2）使用Pycharm工具與MySQL數(shù)據(jù)庫設(shè)計(jì)構(gòu)建了系統(tǒng)數(shù)據(jù)庫,通過建立軸承字段表拓展軸承表的方式提升系統(tǒng)拓展性,然后通過使用緩存、設(shè)置索引等方式優(yōu)化系統(tǒng)數(shù)據(jù)庫。（3）完成系統(tǒng)各模塊業(yè)務(wù)邏輯的設(shè)計(jì)與實(shí)現(xiàn),使用Swagger接口工具實(shí)現(xiàn)各模塊接口的動(dòng)態(tài)生成與可視化,將RBAC權(quán)限管理模型進(jìn)行拓展,在用戶角色與權(quán)限菜單間增添動(dòng)作細(xì)化權(quán)限操作。最后使用Swagger和Seige工具對(duì)系統(tǒng)模塊接口進(jìn)行功能及性能測(cè)試。（4）研究了滾動(dòng)軸承壽命計(jì)算的影響因素與計(jì)算方法,使用Python內(nèi)置的Tkinter工具完成了滾動(dòng)軸承修正壽命計(jì)算系統(tǒng)的設(shè)計(jì)開發(fā),并進(jìn)行了壽命計(jì)算驗(yàn)證測(cè)試。系統(tǒng)測(cè)試結(jié)果表明,系統(tǒng)業(yè)務(wù)功能邏輯正常;系統(tǒng)性能滿足企業(yè)需求,達(dá)到設(shè)計(jì)和使用要求。
王志峰[2]（2021）在《基于B/S架構(gòu)的軸承數(shù)據(jù)管理系統(tǒng)前端開發(fā)與設(shè)計(jì)》文中研究說明軸承是工業(yè)中的基礎(chǔ)元件,應(yīng)用范圍廣,軸承設(shè)計(jì)就成為了機(jī)械設(shè)計(jì)中的重要環(huán)節(jié)。由于軸承類型多樣,應(yīng)用工況復(fù)雜,因此造成了軸承的設(shè)計(jì)參數(shù)多而復(fù)雜,不同的公司所生產(chǎn)的軸承類別也千差萬別。設(shè)計(jì)人員在設(shè)計(jì)軸承時(shí)需要查找大量的相關(guān)資料,使設(shè)計(jì)工作繁瑣。為了提高設(shè)計(jì)人員的設(shè)計(jì)效率,設(shè)計(jì)開發(fā)一套軸承數(shù)據(jù)管理系統(tǒng)具有一定的現(xiàn)實(shí)意義。軸承數(shù)據(jù)管理系統(tǒng)采用B/S架構(gòu),運(yùn)用MVVM前后端分離模式開發(fā),主要用于設(shè)計(jì)人員日常設(shè)計(jì)軸承時(shí)對(duì)軸承數(shù)據(jù)的查找和導(dǎo)出。本文通過互聯(lián)網(wǎng)技術(shù)、數(shù)據(jù)可視化技術(shù)完成了系統(tǒng)前端的設(shè)計(jì)。系統(tǒng)所有模塊均部署到云端服務(wù)器,按照Restful API規(guī)范提供接口,使用vue.js作為開發(fā)框架、webpack構(gòu)建技術(shù)、elementui、iview組件、結(jié)合echarts工具實(shí)現(xiàn)頁面的整體設(shè)計(jì)和數(shù)據(jù)的展示。前后端數(shù)據(jù)通過Axios技術(shù)進(jìn)行交互,數(shù)據(jù)雙向綁定,提升開發(fā)效率。軸承數(shù)據(jù)管理系統(tǒng)主要包括登錄模塊、首頁顯示模塊、軸承管理模塊、信息管理模塊、系統(tǒng)設(shè)置模塊。在各個(gè)模塊中主要包含了數(shù)據(jù)管理、數(shù)據(jù)可視化展示等功能。系統(tǒng)開發(fā)完成后,在對(duì)系統(tǒng)前端進(jìn)行功能、UI界面、安全性測(cè)試后,結(jié)果表明各功能模塊均能正常運(yùn)行,頁面顯示完整,符合設(shè)計(jì)要求。
宋林[3]（2021）在《基于注意力機(jī)制與深度學(xué)習(xí)的故障診斷方法研究》文中提出機(jī)械系統(tǒng)越發(fā)趨于復(fù)雜、精密以及自動(dòng)化,一旦發(fā)生故障將帶來嚴(yán)重的安全問題,及時(shí)檢出和識(shí)別故障至關(guān)重要。滾動(dòng)軸承作為機(jī)械設(shè)備的重要部件,研究其故障診斷方法對(duì)于保障機(jī)械系統(tǒng)的安全穩(wěn)定具有代表性意義。因此本文選擇軸承振動(dòng)信號(hào)作為對(duì)象,基于深度學(xué)習(xí)進(jìn)行了故障診斷方法研究。一些故障的發(fā)生時(shí)間極短,有效樣本極難獲取,因此使用較少的樣本獲得更高的識(shí)別精度是一個(gè)重要的研究方向。本文為了獲得更豐富的隱含特征,通過連續(xù)小波變換將軸承振動(dòng)信號(hào)擴(kuò)展到時(shí)頻域;然后利用二維卷積神經(jīng)網(wǎng)絡(luò)天然的圖像處理優(yōu)勢(shì),設(shè)計(jì)故障診斷算法;利用信號(hào)處理技術(shù),提升深度學(xué)習(xí)對(duì)樣本的利用率。連續(xù)小波變換會(huì)擴(kuò)充無效特征,影響診斷算法對(duì)噪聲的抵抗能力。為了解決該問題,首先根據(jù)小波基參數(shù)對(duì)模型診斷結(jié)果的影響,進(jìn)行了參數(shù)調(diào)整;然后利用平均池化降采樣原理設(shè)計(jì)多尺度特征提取層,通過軸承振動(dòng)信號(hào)多階模態(tài)的特征減少了噪聲帶來的干擾;最后使用通道注意力機(jī)制對(duì)各階特征評(píng)估加權(quán),增強(qiáng)了模型對(duì)有效信息的利用率。故障診斷除了需要精準(zhǔn)識(shí)別,還需要及時(shí)檢出。嵌入式設(shè)備由于其低功耗、易部署的特性,更適合實(shí)時(shí)性要求較高的診斷現(xiàn)場(chǎng)。但基于深度學(xué)習(xí)的算法通常有高算法復(fù)雜度和大計(jì)算量的特點(diǎn),其嵌入式應(yīng)用需要提升診斷速度。本文從算法和硬件兩個(gè)角度入手,基于一維卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了輕量化的診斷算法模型,并利用FPGA對(duì)模型推理過程進(jìn)行加速,提高了診斷的時(shí)效性。最后基于邊緣計(jì)算框架設(shè)計(jì)搭建了故障診斷系統(tǒng),對(duì)本文方法進(jìn)行整合。邊緣節(jié)點(diǎn)加載快速診斷模型在數(shù)據(jù)源進(jìn)行快速分析,云端平臺(tái)使用更復(fù)雜的二維卷積模型完成軸承狀態(tài)更精確的識(shí)別。通過西儲(chǔ)大學(xué)標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行驗(yàn)證,本文方法均具有極高的樣本規(guī)模容忍度和較強(qiáng)的抗噪能力。而通過搭建故障診斷系統(tǒng)在振動(dòng)試驗(yàn)臺(tái)測(cè)試,系統(tǒng)可以快速精準(zhǔn)的實(shí)現(xiàn)軸承故障診斷。故障檢出率可以達(dá)到100%,識(shí)別率保持99%以上,邊緣節(jié)點(diǎn)搭載的模型診斷耗時(shí)可以壓縮到0.178s。
宋亞迪[4]（2021）在《軸系結(jié)構(gòu)數(shù)字化設(shè)計(jì)SaaS平臺(tái)開發(fā)》文中進(jìn)行了進(jìn)一步梳理近年來新工業(yè)革命迅速發(fā)展,作為工業(yè)數(shù)字化、網(wǎng)絡(luò)化的載體,工業(yè)軟件的發(fā)展一直受到各界的廣泛關(guān)注。為了解決傳統(tǒng)設(shè)計(jì)方式設(shè)計(jì)效率低、設(shè)計(jì)門檻高以及當(dāng)前工業(yè)軟件功能碎片化等問題,本文對(duì)技術(shù)設(shè)計(jì)各個(gè)階段的數(shù)字化設(shè)計(jì)方法進(jìn)行了研究,并和SaaS模式軟件開發(fā)技術(shù)相結(jié)合,開發(fā)了一款以軸系為主要對(duì)象的數(shù)字化設(shè)計(jì)平臺(tái)。本文主要工作如下:（1）分析了機(jī)械產(chǎn)品在功能、性能、結(jié)構(gòu)、經(jīng)濟(jì)性等方面的設(shè)計(jì)需求,對(duì)其中的概念信息進(jìn)行抽象表達(dá)。引入了基本變換單元的概念,并以此作為運(yùn)動(dòng)變換的載體和基本組成單位,通過建立狀態(tài)變換方程對(duì)其運(yùn)動(dòng)變換功能的實(shí)現(xiàn)過程進(jìn)行抽象描述,對(duì)各類基本變換單元的功能信息進(jìn)行歸納并建立了部件庫,以此為基礎(chǔ)建立了運(yùn)動(dòng)方案數(shù)字化求解方法。為了解決運(yùn)動(dòng)方案設(shè)計(jì)中非參數(shù)信息過多難以向下游結(jié)構(gòu)設(shè)計(jì)階段完整傳遞的問題,建立運(yùn)動(dòng)方案的符號(hào)表達(dá)方法和面向?qū)ο蟮男畔⒎庋b方式,為結(jié)構(gòu)設(shè)計(jì)階段提供全面、清晰的信息基礎(chǔ)。（2）為了建立統(tǒng)一實(shí)例,從而實(shí)現(xiàn)結(jié)構(gòu)設(shè)計(jì)各流程間參數(shù)自動(dòng)交互,提出知識(shí)模型的概念,并通過對(duì)軸系設(shè)計(jì)對(duì)象及設(shè)計(jì)流程的劃分建立軸系的模塊化知識(shí)模型。建立基于軸系結(jié)構(gòu)組成數(shù)學(xué)模型的軸系布局方案求解方法,并對(duì)軸系裝配方案的結(jié)構(gòu)約束信息進(jìn)行數(shù)學(xué)表達(dá),以此為基礎(chǔ)分別對(duì)各個(gè)部件及軸系整體進(jìn)行結(jié)構(gòu)參數(shù)設(shè)計(jì),為了達(dá)到軸系結(jié)構(gòu)緊湊的目的,建立了以軸系總體積為優(yōu)化目標(biāo)的軸系結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法。分別從強(qiáng)度、剛度、壽命等方面對(duì)對(duì)軸系各部件進(jìn)行性能分析?；诮Y(jié)構(gòu)設(shè)計(jì)多樣性的特點(diǎn),為方便設(shè)計(jì)人員根據(jù)設(shè)計(jì)需求選擇最優(yōu)設(shè)計(jì)方案,建立基于模糊層次分析法的軸系方案評(píng)價(jià)方法。最后通過對(duì)圓錐圓柱齒輪減速器輸入軸進(jìn)行設(shè)計(jì),驗(yàn)證了軸系結(jié)構(gòu)及性能設(shè)計(jì)方法的可行性。（3）對(duì)SaaS模式基本概念進(jìn)行了介紹,并通過和傳統(tǒng)軟件對(duì)比體現(xiàn)SaaS模式的優(yōu)勢(shì)。通過對(duì)用戶需求進(jìn)行分析,對(duì)平臺(tái)主要功能需求進(jìn)行了說明,并對(duì)不同角色用戶的主要操作權(quán)限進(jìn)行了說明,進(jìn)而體現(xiàn)平臺(tái)的生態(tài)模式。以平臺(tái)需求為基礎(chǔ)對(duì)平臺(tái)分別進(jìn)行邏輯架構(gòu)及部署架構(gòu),根據(jù)不同類型用戶的保密性需求選擇不同類型的數(shù)據(jù)庫結(jié)構(gòu),通過分析平臺(tái)實(shí)體類型及關(guān)聯(lián)關(guān)系,對(duì)數(shù)據(jù)庫的核心表結(jié)構(gòu)進(jìn)行設(shè)計(jì)。對(duì)平臺(tái)兩大核心功能模塊——軟件封裝模塊及流程重構(gòu)模塊的實(shí)現(xiàn)進(jìn)行了說明,為了更為直觀的表現(xiàn)軟件封裝及流程重構(gòu)功能的操作過程,分別對(duì)開發(fā)中心及設(shè)計(jì)中心的原型方案進(jìn)行了設(shè)計(jì)。最后通過對(duì)圓錐圓柱齒輪減速器結(jié)構(gòu)設(shè)計(jì)的應(yīng)用案例對(duì)平臺(tái)項(xiàng)目流程的運(yùn)行過程進(jìn)行了說明,驗(yàn)證了需求分析、運(yùn)動(dòng)方案設(shè)計(jì)、結(jié)構(gòu)設(shè)計(jì)、性能設(shè)計(jì)這一軸系結(jié)構(gòu)設(shè)計(jì)全流程實(shí)現(xiàn)的可行性。
溫晶[5]（2020）在《深溝球軸承密封結(jié)構(gòu)分析及優(yōu)化設(shè)計(jì)》文中進(jìn)行了進(jìn)一步梳理由于當(dāng)代工業(yè)的發(fā)展,特別是食品工業(yè),現(xiàn)代辦公機(jī)械以及家電的普及,要求設(shè)備設(shè)計(jì)緊湊,重量減輕還要防止漏水、漏氣,就促使了自帶密封裝置的深溝球軸承得到青睞,需求量可觀,逐步替代開式深溝球軸承（軸承兩面沒有密封裝置）。但由于目前各企業(yè)密封結(jié)構(gòu)的設(shè)計(jì)都存在一定的問題,用戶關(guān)于球軸承密封產(chǎn)品的密封性能、漏脂情況等投訴較多。而密封產(chǎn)品較開式產(chǎn)品利潤(rùn)高,在軸承行業(yè)競(jìng)爭(zhēng)日趨激烈的形式下,搶占深溝球密封產(chǎn)品市場(chǎng)是眾多軸承生產(chǎn)商的重要市場(chǎng)目標(biāo),軸承密封技術(shù)成為軸承技術(shù)發(fā)展的重要方向之一?；诖?本文借助于設(shè)計(jì)方法分析、MASTA分析等基礎(chǔ)手段對(duì)深溝球密封結(jié)構(gòu)進(jìn)行了優(yōu)化設(shè)計(jì),設(shè)計(jì)完成后進(jìn)行產(chǎn)品試制及試驗(yàn)驗(yàn)證。主要工作如下:首先,對(duì)深溝球密封結(jié)構(gòu)的設(shè)計(jì)方法進(jìn)行闡述,據(jù)此方法設(shè)計(jì)出6312-2RS軸承,但密封效果不理想,易漏脂,所以對(duì)該軸承密封結(jié)構(gòu)的設(shè)計(jì)參數(shù)進(jìn)行理論研究分析,得出密封結(jié)構(gòu)存在密封槽與密封圈之間配合過盈量過大的問題,導(dǎo)致密封圈裝入后變形,影響密封效果。然后對(duì)8套此密封結(jié)構(gòu)的6312-2RS產(chǎn)品進(jìn)行漏脂試驗(yàn),試驗(yàn)結(jié)論是漏脂率未達(dá)到國(guó)標(biāo)要求,密封性能不合格,驗(yàn)證了理論分析結(jié)論。其次,對(duì)6312-2RS軸承的基本結(jié)構(gòu)及密封結(jié)構(gòu)進(jìn)行優(yōu)化,改變外圈密封槽相關(guān)尺寸及密封圈外徑等尺寸,優(yōu)化配合尺寸,解決過盈量過大的問題;將內(nèi)圈由無密封槽改為帶密封槽,可以起到存儲(chǔ)油脂的作用;將密封圈唇口由單唇改為三唇橡膠密封結(jié)構(gòu),可以提高軸承的密封性能。最終設(shè)計(jì)出一種新型密封結(jié)構(gòu)的6312-2RS軸承。再次,基于MASTA分析軟件對(duì)新型密封結(jié)構(gòu)6312-2RS軸承進(jìn)行壽命、應(yīng)力分布及摩擦損耗等性能計(jì)算分析,得出壽命最佳時(shí)對(duì)應(yīng)的載荷為30k N,游隙為CN組;三唇密封不會(huì)明顯增加摩擦損耗,不會(huì)影響軸承的使用性能;內(nèi)部應(yīng)力分布合理,不會(huì)產(chǎn)生鋼球越肩等問題的發(fā)生的結(jié)論,說明新型密封結(jié)構(gòu)設(shè)計(jì)的合理可行。最后,對(duì)新型密封結(jié)構(gòu)的6312-2RS軸承進(jìn)行試制及試驗(yàn)驗(yàn)證,通過制定符合市場(chǎng)需求及國(guó)家標(biāo)準(zhǔn)的加工工藝及檢驗(yàn)工藝標(biāo)準(zhǔn),確定最佳加工設(shè)備,全過程嚴(yán)格檢驗(yàn),試生產(chǎn)出30套新型密封結(jié)構(gòu)產(chǎn)品,并取8套合格產(chǎn)品進(jìn)行漏脂試驗(yàn),試驗(yàn)條件與密封結(jié)構(gòu)優(yōu)化前軸承進(jìn)行的漏脂試驗(yàn)條件相同,漏脂率完全達(dá)到國(guó)標(biāo)要求,產(chǎn)品質(zhì)量合格,證明了6312-2RS軸承密封結(jié)構(gòu)的優(yōu)化設(shè)計(jì)是成功的,為其他型號(hào)深溝球密封軸承結(jié)構(gòu)優(yōu)化奠定了良好基礎(chǔ),為企業(yè)搶占市場(chǎng),提高利潤(rùn),良性發(fā)展提供了有利的技術(shù)支持!
吳振彬[6]（2020）在《聽覺幾何組網(wǎng)絡(luò)及其在軸承故障遷移診斷中的應(yīng)用研究》文中研究指明滾動(dòng)軸承是滾動(dòng)設(shè)備中承載著旋轉(zhuǎn)工作的主要部件。精準(zhǔn)的診斷出軸承在運(yùn)行時(shí)產(chǎn)生的故障,對(duì)保障工業(yè)生產(chǎn),穩(wěn)定產(chǎn)品性能,減少或避免重大生產(chǎn)事故甚至災(zāi)難,有著重要的意義?，F(xiàn)代大型設(shè)備日趨復(fù)雜化,精細(xì)化,高速化,規(guī)模變大的同時(shí)結(jié)構(gòu)也越發(fā)的復(fù)雜。在傳統(tǒng)診斷方法中,常引入先驗(yàn)知識(shí)作為診斷的依據(jù),面對(duì)新的設(shè)備,新的場(chǎng)景,以及工業(yè)現(xiàn)代化的要求,智能化的診斷成為了迫切需要被解決的關(guān)鍵問題。本文圍繞著智能化診斷展開研究,重點(diǎn)研究了一維卷積神經(jīng)網(wǎng)絡(luò)在軸承振動(dòng)信號(hào)故障診斷方面的應(yīng)用內(nèi)容。本文內(nèi)容和結(jié)論如下:1、論述了滾動(dòng)軸承的故障及其分類類型,闡述了引發(fā)故障的相關(guān)因素,指出了在故障診斷領(lǐng)域中常用于分類的特征。從故障特征入手,對(duì)神經(jīng)網(wǎng)絡(luò)的處理方式和主成因分析進(jìn)行了比較討論。研究了自編碼結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)相較主成因分析法所欠缺的非線性處理方式做出的改善。2、對(duì)比研究了兩種神經(jīng)網(wǎng)絡(luò)在信號(hào)處理上的使用,指出了各自的優(yōu)勢(shì)和缺陷。從可解釋性上入手,選擇了卷積網(wǎng)絡(luò)作為實(shí)驗(yàn)的基礎(chǔ),利用現(xiàn)有數(shù)據(jù)制作數(shù)據(jù)集,訓(xùn)練網(wǎng)絡(luò)至可以成功的分類故障。3、對(duì)比研究了三種遷移學(xué)習(xí)的方法,指出了各自的適用范圍。采用了三種方法實(shí)驗(yàn),并對(duì)三種方法進(jìn)行了對(duì)比。此種技術(shù)可以用于所需求的樣本數(shù)量少但是有較多其他相似但不相同的樣本時(shí),對(duì)于某類特定故障的診斷。4、鑒于神經(jīng)網(wǎng)絡(luò)缺乏理論上的解釋,通過生成其特征圖作為理論解釋來指導(dǎo)遷移學(xué)習(xí)工作,針對(duì)振動(dòng)信號(hào)做出了能量計(jì)算,特征頻率計(jì)算等分析方法。最后通過實(shí)驗(yàn)驗(yàn)證特征圖可以解釋卷積神經(jīng)網(wǎng)絡(luò)在振動(dòng)信號(hào)診斷上的部分工作原理?；诶碚摵秃侠淼倪壿嬐评碜龀黾僭O(shè),通過實(shí)驗(yàn)驗(yàn)證,結(jié)合神經(jīng)網(wǎng)絡(luò)與滾動(dòng)軸承振動(dòng)信號(hào)的理論知識(shí),可以有效的進(jìn)行振動(dòng)信號(hào)的故障識(shí)別與遷移診斷。與深度學(xué)習(xí)及人工智能相關(guān)技術(shù)的結(jié)合,是軸承振動(dòng)信號(hào)診斷方向的重點(diǎn),也是機(jī)械行業(yè)接下來重要的課題之一。
潘星宇[7]（2020）在《基于Romax的交叉圓柱滾子回轉(zhuǎn)支承特性分析》文中認(rèn)為隨著特種設(shè)備的特種需求,對(duì)機(jī)械零部件的需求需要精細(xì)化的設(shè)計(jì)和生產(chǎn),作為機(jī)械行業(yè)重要部分的回轉(zhuǎn)支承更是如此?；剞D(zhuǎn)支承是通過滾動(dòng)體、內(nèi)外圈連接并支撐機(jī)械部件,因此對(duì)回轉(zhuǎn)支承的研究離不開接觸問題,特別是對(duì)滾道上的承載能力的研究,直接影響到回轉(zhuǎn)支承的使用壽命。對(duì)非標(biāo)準(zhǔn)回轉(zhuǎn)支承的設(shè)計(jì)需要在滿足使用條件下對(duì)它進(jìn)行理論驗(yàn)證并通過實(shí)驗(yàn)尋找最佳工作環(huán)境在工程應(yīng)用中有著重要意義。本文以非標(biāo)準(zhǔn)交叉圓柱滾子回轉(zhuǎn)支承為研究對(duì)象通過赫茲接觸理論分析滾子及滾道承載;利用回轉(zhuǎn)支承承載曲線結(jié)合理論公式計(jì)算理論壽命;利用Romax軟件單軸分析系統(tǒng)了回轉(zhuǎn)支承在不同軸向加載、徑向工作游隙、工作溫度下對(duì)滾道及滾動(dòng)體受載、滾道接觸應(yīng)力以及回轉(zhuǎn)支承壽命的影響。并利用內(nèi)外圈相對(duì)位移、回轉(zhuǎn)支承剛度以及油膜厚度分析壽命變化原因。本文工作內(nèi)容和結(jié)論如下:（1）結(jié)合國(guó)內(nèi)外的研究現(xiàn)狀對(duì)回轉(zhuǎn)支承的接觸問題以及利用有限分析方式進(jìn)行全面介紹。利用赫茲接觸理論對(duì)回轉(zhuǎn)支承在軸向加載以及傾覆力矩的作用下滾動(dòng)體以及滾道受載進(jìn)行分析,利用相關(guān)公式對(duì)回轉(zhuǎn)支承承載以及受力形式進(jìn)行簡(jiǎn)化。（2）利用回轉(zhuǎn)支承承載曲線結(jié)合非標(biāo)準(zhǔn)回轉(zhuǎn)支承的尺寸參數(shù)在要求條件下計(jì)算得到靜載荷安全系數(shù)及理論使用壽命,驗(yàn)證回轉(zhuǎn)支承的設(shè)計(jì)滿足使用要求。（3）利用Romax軟件結(jié)合詳細(xì)參數(shù)建立單軸分析模型,對(duì)非標(biāo)準(zhǔn)回轉(zhuǎn)支承在不同軸向加載下在滿足回轉(zhuǎn)支承使用壽命的前提下得到最大承載約為27.8T。實(shí)驗(yàn)數(shù)據(jù)表明隨著軸向加載的增大:滾動(dòng)體及滾道面承載增大,但增大的趨勢(shì)變緩、滾道面接觸應(yīng)力增大,且最大接觸應(yīng)力分布區(qū)域增大、使用壽命逐漸減小,但減小的趨勢(shì)變緩,內(nèi)外圈相對(duì)位移量逐漸增加、回轉(zhuǎn)支承剛度整體增加、最小油膜厚度逐漸減小。（4）研究了不同徑向工作游隙對(duì)滾動(dòng)體及滾道面承載、滾道面接觸應(yīng)力的數(shù)值大小及分布方式、使用壽命的影響。實(shí)驗(yàn)數(shù)據(jù)表明回轉(zhuǎn)支承選用的最佳工作游隙范圍為-0.010mm,在此范圍內(nèi)隨著游隙的增加:接觸應(yīng)力趨于穩(wěn)定,回轉(zhuǎn)支承壽命趨于穩(wěn)定,內(nèi)外圈相對(duì)位移增加、回轉(zhuǎn)支承剛度線性增加、最小油膜厚度穩(wěn)定在1.483μm。（5）探討了不同溫度對(duì)回轉(zhuǎn)支承的影響,并詳細(xì)研究了7253航空潤(rùn)滑脂的影響形式。在回轉(zhuǎn)支承使用溫度為-40℃120℃時(shí)都能滿足使用條件,對(duì)回轉(zhuǎn)支承起到潤(rùn)滑的作用,當(dāng)溫度大于120℃時(shí)回轉(zhuǎn)支承的壽命隨著溫度的升高逐漸減小。并通過對(duì)油膜厚度的分析揭示壽命降低的原因,發(fā)現(xiàn)當(dāng)油膜厚度低于0.2044μm時(shí),不滿足滾動(dòng)體與滾道面間的潤(rùn)滑使用條件。
羅棚[8]（2020）在《軌道交通軸承健康狀態(tài)評(píng)估與剩余壽命預(yù)測(cè)研究》文中認(rèn)為軌道交通作為一種高效、環(huán)保的公共交通工具,已經(jīng)成為城市交通不可或缺的一部分。隨著運(yùn)營(yíng)里程的增加和客運(yùn)量規(guī)模的增大,軌道交通的安全問題愈發(fā)重要。而滾動(dòng)軸承作為軌道交通車輛的關(guān)鍵部件之一,被廣泛應(yīng)用于車輛的行走部、電機(jī)等設(shè)備中,其運(yùn)行狀態(tài)的好壞將直接影響軌道交通的安全運(yùn)行。因此,對(duì)軌道交通軸承進(jìn)行健康狀態(tài)評(píng)估和剩余壽命預(yù)測(cè),對(duì)保障軌道交通安全運(yùn)行有著重要的意義。本文以軌道交通軸承為研究對(duì)象,就軸承的故障機(jī)理分析、退化狀態(tài)特征提取、軸承的健康狀態(tài)評(píng)估以及剩余壽命預(yù)測(cè)展開了研究,主要內(nèi)容如下:（1）研究了軌道交通軸承的故障機(jī)理。分析了軌道交通軸承的基本結(jié)構(gòu)、失效形式與原因以及軸承理論的特征頻率,并簡(jiǎn)述了軸承的狀態(tài)監(jiān)測(cè)方法以及全壽命實(shí)驗(yàn)數(shù)據(jù)集,為后文的研究提供了理論基礎(chǔ)。（2）研究了基于多域的軌道交通軸承退化狀態(tài)特征提取方法。針對(duì)單一的或單域的退化狀態(tài)特征在軸承健康狀態(tài)評(píng)估中的評(píng)估能力不足和剩余壽命預(yù)測(cè)中的準(zhǔn)確性不夠高等問題,提出了基于多域的退化狀態(tài)特征提取方法。首先分別提取了傳統(tǒng)的時(shí)域和頻域退化狀態(tài)特征,并重點(diǎn)研究了基于變分模態(tài)分解、包絡(luò)解調(diào)和奇異值的時(shí)頻域退化狀態(tài)特征提取方法,通過分析各個(gè)退化狀態(tài)特征的全壽命變化曲線,指出了單個(gè)退化狀態(tài)特征難以對(duì)軸承進(jìn)行健康狀態(tài)評(píng)估。（3）研究了基于t-SNE和核馬氏距離的軸承健康狀態(tài)評(píng)估方法。針對(duì)在軸承健康狀態(tài)評(píng)估過程中,退化狀態(tài)特征篩選和健康指數(shù)難以構(gòu)建等問題,首先利用隨機(jī)森林算法篩選出重要性較高的退化狀態(tài)特征,并構(gòu)建高維相對(duì)退化狀態(tài)特征。然后,為了防止退化狀態(tài)特征冗余對(duì)評(píng)估結(jié)果產(chǎn)生影響,利用t-SNE對(duì)高維相對(duì)退化狀態(tài)特征集進(jìn)行降維,將退化狀態(tài)特征進(jìn)行融合。隨后在核馬氏空間中進(jìn)行度量,引入健康指數(shù),對(duì)軸承進(jìn)行健康狀態(tài)評(píng)估,并通過軸承全壽命周期振動(dòng)數(shù)據(jù)驗(yàn)證了所提方法的有效性。（4）研究了基于PSR和ELM＿AdaBoost的軸承剩余壽命預(yù)測(cè)方法。針對(duì)基于數(shù)據(jù)驅(qū)動(dòng)的剩余壽命預(yù)測(cè)模型的精度不高,在極限學(xué)習(xí)機(jī)的基礎(chǔ)之上,提出了基于相空間重構(gòu)（PSR）和ELM＿AdaBoost的剩余壽命預(yù)測(cè)模型。首先分析了不同模型結(jié)構(gòu)參數(shù)對(duì)預(yù)測(cè)結(jié)果精確度的影響,并確定最佳的預(yù)測(cè)模型結(jié)構(gòu)參數(shù)。然后,以全壽命周期振動(dòng)數(shù)據(jù)為例,對(duì)同一軸承和不同軸承進(jìn)行剩余壽命預(yù)測(cè)。最后,通過不同預(yù)測(cè)模型進(jìn)行對(duì)比分析,驗(yàn)證了本文方法的泛化能力和有效性。
姜偉[9]（2019）在《水電機(jī)組混合智能故障診斷與狀態(tài)趨勢(shì)預(yù)測(cè)方法研究》文中研究表明隨著我國(guó)能源結(jié)構(gòu)改革進(jìn)程的不斷推進(jìn),大力開發(fā)水電能源對(duì)構(gòu)建清潔低碳的能源體系、促進(jìn)經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展具有重要戰(zhàn)略意義。作為水電站能量轉(zhuǎn)換過程的核心設(shè)備,水電機(jī)組正在向復(fù)雜化、巨型化、集成化和智能化的方向發(fā)展,其面臨的安全可靠運(yùn)行問題日益突出。“狀態(tài)維護(hù)”概念的提出與應(yīng)用,為有效降低機(jī)組異?；蚬收习l(fā)生風(fēng)險(xiǎn)、提升其穩(wěn)定運(yùn)行水平提供了一種可行思路。狀態(tài)監(jiān)測(cè)、故障診斷和趨勢(shì)預(yù)測(cè)是狀態(tài)維護(hù)實(shí)施過程的三個(gè)關(guān)鍵環(huán)節(jié)。受水力、機(jī)械、電氣及其他干擾因素的耦合影響,水電機(jī)組監(jiān)測(cè)信號(hào)呈現(xiàn)明顯的非線性和非平穩(wěn)性特征,故障與征兆間存在復(fù)雜的映射關(guān)系,對(duì)此,傳統(tǒng)方法已難以滿足當(dāng)前背景下準(zhǔn)確分析機(jī)組運(yùn)行狀態(tài)的需求。因此,基于水電機(jī)組運(yùn)行特性,研究新的狀態(tài)分析理論與方法,對(duì)提高機(jī)組故障診斷與趨勢(shì)預(yù)測(cè)精度、保障機(jī)組穩(wěn)定運(yùn)行具有重要的工程應(yīng)用價(jià)值。為此,本文圍繞工程應(yīng)用中水電機(jī)組復(fù)雜非平穩(wěn)信號(hào)降噪分析與特征提取、混合故障診斷以及狀態(tài)趨勢(shì)預(yù)測(cè)等關(guān)鍵技術(shù)問題,以快速集成經(jīng)驗(yàn)?zāi)B(tài)分解、深度學(xué)習(xí)、流行學(xué)習(xí)、灰色馬爾科夫模型等作為理論基礎(chǔ)與技術(shù)手段,探究并改進(jìn)現(xiàn)有方法中存在的理論或應(yīng)用缺陷,設(shè)計(jì)提出了若干適用于水電機(jī)組非平穩(wěn)信號(hào)分析及狀態(tài)特征提取方法,發(fā)展了基于健康判別與特征約簡(jiǎn)的多步遞進(jìn)式故障診斷體系,構(gòu)建了融合滑動(dòng)窗與灰色馬爾科夫理論的狀態(tài)趨勢(shì)預(yù)測(cè)模型,為相關(guān)領(lǐng)域研究范式的方法創(chuàng)新與技術(shù)進(jìn)步提供了必要的理論基礎(chǔ),具有一定的研究推廣前景與工程應(yīng)用價(jià)值。論文主要研究?jī)?nèi)容及創(chuàng)新性成果如下:（1）針對(duì)能夠有效表征水電機(jī)組實(shí)際運(yùn)行狀態(tài)的振動(dòng)信號(hào)易淹沒于強(qiáng)烈背景噪聲的問題,提出了一種基于自適應(yīng)奇異值分解（SVD）與固有模態(tài)函數(shù)（IMFs）重構(gòu)的水電機(jī)組振動(dòng)信號(hào)多級(jí)降噪方法。該方法系統(tǒng)融合了SVD和快速集成經(jīng)驗(yàn)?zāi)B(tài)分解（FEEMD）在高頻噪聲抑制和信號(hào)自適應(yīng)處理方面的優(yōu)點(diǎn),完成基于初級(jí)濾波和次級(jí)去噪的兩階段式信號(hào)降噪處理。在初級(jí)濾波階段,首先對(duì)原始信號(hào)進(jìn)行SVD分解,在深入分析有效奇異值序列對(duì)濾波性能影響的基礎(chǔ)上,發(fā)展了基于相關(guān)分析的奇異值自適應(yīng)選取方法,實(shí)現(xiàn)對(duì)高頻背景噪聲的有效濾除;在次級(jí)去噪階段,依據(jù)FEEMD原理分解濾波后所得信號(hào),結(jié)合所構(gòu)建基于排列熵的IMFs選擇體系,重構(gòu)有效模態(tài)分量以完成信號(hào)降噪,顯著提升降噪效果。（2）考慮到多源激勵(lì)耦合干擾下機(jī)組運(yùn)行狀態(tài)與征兆間映射關(guān)系難以準(zhǔn)確度量的問題,在統(tǒng)計(jì)分析原理及深度學(xué)習(xí)技術(shù)的基礎(chǔ)上,研究提出了一種基于FEEMD能量熵及混合集成自編碼器的水電機(jī)組狀態(tài)特征提取方法。針對(duì)在線判別機(jī)組“正常”或“故障”狀態(tài)的工程實(shí)際需求,深入分析了能量熵對(duì)于異?；蚬收习l(fā)生時(shí)非線性振動(dòng)信號(hào)動(dòng)力學(xué)突變行為的表征作用,綜合FEEMD對(duì)復(fù)雜非線性非平穩(wěn)信號(hào)的高效處理優(yōu)勢(shì),設(shè)計(jì)了基于FEEMD能量熵的水電機(jī)組健康狀態(tài)特征提取方法,快速獲取振動(dòng)信號(hào)能量熵特征。進(jìn)一步,針對(duì)故障模式準(zhǔn)確識(shí)別的需求和單一能量熵特征不足以反映具體故障類型的問題,創(chuàng)造性地構(gòu)建了一種用于提取故障特征的混合集成自編碼器,有效克服了淺層特征學(xué)習(xí)模型的局限,提升了模型的特征提取能力及學(xué)習(xí)泛化性能。（3）為科學(xué)建立水電機(jī)組“正常”與“故障”狀態(tài)的特征邊界,引入數(shù)理統(tǒng)計(jì)理論,結(jié)合歷史樣本集與能量熵方法,構(gòu)建了基于能量熵統(tǒng)計(jì)分析的機(jī)組健康狀態(tài)在線判別體系,實(shí)時(shí)分析機(jī)組健康狀態(tài)。進(jìn)一步,為抑制機(jī)組高維故障特征空間存在的信息冗余、敏感特征易淹沒等現(xiàn)象,創(chuàng)新性地設(shè)計(jì)了基于參數(shù)化線性映射模式的改進(jìn)t-分布式隨機(jī)領(lǐng)域嵌入（M-t SNE）特征約簡(jiǎn)方法,該方法在提升故障診斷精度、降低計(jì)算時(shí)耗方面具有顯著優(yōu)勢(shì)?；谏鲜龇治?為克服傳統(tǒng)單步診斷模式在分析復(fù)雜故障工況面臨的高復(fù)雜性、低精度等缺陷,首次提出了一種基于能量熵判別與深度特征約簡(jiǎn)的多步遞進(jìn)式混合故障診斷策略,將整個(gè)診斷過程簡(jiǎn)化為健康狀態(tài)檢測(cè)和故障類型識(shí)別兩個(gè)階段,符合對(duì)機(jī)組進(jìn)行智能診斷的工程實(shí)施思路。（4）圍繞水電機(jī)組狀態(tài)趨勢(shì)預(yù)測(cè)的工程需求,在系統(tǒng)分析機(jī)組狀態(tài)趨勢(shì)可預(yù)測(cè)性的基礎(chǔ)上,提出了一種基于滑動(dòng)窗與灰色馬爾科夫（Grey-Markov）模型的狀態(tài)趨勢(shì)預(yù)測(cè)方法。該方法完整集成了Grey-Markov預(yù)測(cè)模型、灰色背景值優(yōu)化原理以及基于滑動(dòng)窗的滾動(dòng)預(yù)測(cè)機(jī)制,探索從模型構(gòu)造、預(yù)測(cè)模式、殘差修正等角度降低預(yù)測(cè)誤差的方式,有效提升了預(yù)測(cè)結(jié)果的準(zhǔn)確性。此外,針對(duì)工程應(yīng)用中對(duì)不同預(yù)測(cè)時(shí)間尺度的需求,考慮模型的不同組合策略,創(chuàng)造性地構(gòu)建了基于串聯(lián)式、并聯(lián)式和嵌入式組合機(jī)制的水電機(jī)組狀態(tài)趨勢(shì)混合預(yù)測(cè)模型,設(shè)計(jì)了對(duì)應(yīng)的機(jī)組狀態(tài)趨勢(shì)組合預(yù)測(cè)流程,在保證預(yù)測(cè)精度的同時(shí)最大程度提升計(jì)算效率,為制定合理的機(jī)組維護(hù)計(jì)劃提供相應(yīng)指導(dǎo)。
王立新[10]（2016）在《智能點(diǎn)巡檢系統(tǒng)開發(fā)及散熱風(fēng)扇狀態(tài)監(jiān)測(cè)智能方法研究》文中研究指明本文分為智能點(diǎn)巡檢系統(tǒng)開發(fā)和散熱風(fēng)扇狀態(tài)監(jiān)測(cè)智能方法研究?jī)刹糠?。第一篇智能點(diǎn)巡檢系統(tǒng)開發(fā),目前設(shè)備信息化、數(shù)字化管理對(duì)企業(yè)至關(guān)重要,但一些廠區(qū)分散的企業(yè),受地理位置、網(wǎng)絡(luò)線路鋪設(shè)成本等因素影響,一時(shí)難以實(shí)現(xiàn)。本文針對(duì)這一情況,將無線網(wǎng)與有線網(wǎng)相結(jié)合,并融入TPM理念,開發(fā)了一套智能點(diǎn)巡檢系統(tǒng),為企業(yè)提供一個(gè)良好的信息化管理平臺(tái)。該系統(tǒng)采用雙數(shù)據(jù)庫存儲(chǔ)結(jié)構(gòu),并通過ADO方式與系統(tǒng)軟件連接,系統(tǒng)軟件采用C/S和B/S組合結(jié)構(gòu),實(shí)現(xiàn)全廠區(qū)的數(shù)據(jù)共享。C/S端利用C++語言以“模塊化”原則進(jìn)行設(shè)計(jì),封裝成DLL等ActiveX組件,完成廠區(qū)外部的設(shè)備點(diǎn)巡檢、報(bào)表查詢、數(shù)據(jù)分析、專家系統(tǒng)查詢等功能；B/S端利用C#語言進(jìn)行設(shè)計(jì),完成廠區(qū)內(nèi)部的數(shù)據(jù)查看與分析。第二篇散熱風(fēng)扇狀態(tài)監(jiān)測(cè)智能方法研究,散熱風(fēng)扇作為輔助設(shè)備廣泛應(yīng)用于各個(gè)領(lǐng)域,目前因缺少合理有效的風(fēng)扇狀態(tài)監(jiān)測(cè)手段而往往嚴(yán)重影響主系統(tǒng)的正常運(yùn)行。針對(duì)這一問題專門進(jìn)行了風(fēng)冷實(shí)驗(yàn),對(duì)風(fēng)扇完成長(zhǎng)期的監(jiān)測(cè)和數(shù)據(jù)采集,并通過風(fēng)扇全壽命實(shí)驗(yàn)數(shù)據(jù)分析,探索風(fēng)扇的有效監(jiān)測(cè)方法。在故障診斷方面,提出了一種將小波包分析和支持向量機(jī)相結(jié)合的智能方法,實(shí)現(xiàn)了散熱風(fēng)扇滾動(dòng)軸承常見故障的準(zhǔn)確識(shí)別：在壽命預(yù)測(cè)方面,提出了基于時(shí)間序列分析和BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型,實(shí)現(xiàn)了散熱風(fēng)扇剩余壽命的準(zhǔn)確預(yù)測(cè)。本文提出的兩種方法,為實(shí)現(xiàn)散熱風(fēng)扇的智能化監(jiān)測(cè),提供了指導(dǎo)意義。論文通過兩部分內(nèi)容的研究,為機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷向智能化方向發(fā)展提供了新思路與新途徑。
二、基于知識(shí)的非標(biāo)準(zhǔn)滾動(dòng)軸承專家系統(tǒng)的研究（論文開題報(bào)告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡(jiǎn)單簡(jiǎn)介論文所研究問題的基本概念和背景，再而簡(jiǎn)單明了地指出論文所要研究解決的具體問題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。
寫法范例：
本文主要提出一款精簡(jiǎn)64位RISC處理器存儲(chǔ)管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計(jì)過程。在該MMU結(jié)構(gòu)中,TLB采用叁個(gè)分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲(chǔ)器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁面大小,采用多級(jí)分層頁表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級(jí)頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲(chǔ)系統(tǒng)實(shí)現(xiàn)的一個(gè)重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對(duì)象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對(duì)象從而得到有關(guān)信息。
實(shí)驗(yàn)法：通過主支變革、控制研究對(duì)象來發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過調(diào)查文獻(xiàn)來獲得資料，從而全面的、正確的了解掌握研究方法。
實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計(jì)。
定性分析法：對(duì)研究對(duì)象進(jìn)行“質(zhì)”的方面的研究，這個(gè)方法需要計(jì)算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對(duì)研究對(duì)象的認(rèn)識(shí)進(jìn)一步精確化。
跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對(duì)某一課題進(jìn)行研究。
功能分析法：這是社會(huì)科學(xué)用來分析社會(huì)現(xiàn)象的一種方法，從某一功能出發(fā)研究多個(gè)方面的影響。
模擬法：通過創(chuàng)設(shè)一個(gè)與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、基于知識(shí)的非標(biāo)準(zhǔn)滾動(dòng)軸承專家系統(tǒng)的研究（論文提綱范文）
（1）基于Python的軸承信息管理系統(tǒng)后端的設(shè)計(jì)與實(shí)現(xiàn)（論文提綱范文）
| 摘要 |
| abstract |
| 第一章 緒論 |
| 1.1 課題來源 |
| 1.2 課題背景及意義 |
| 1.3 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.4 研究?jī)?nèi)容及研究路線 |
| 第二章 軸承信息管理系統(tǒng)需求分析與總體設(shè)計(jì) |
| 2.1 軸承選型的影響因素 |
| 2.2 需求分析 |
| 2.3 系統(tǒng)組織架構(gòu)與開發(fā)環(huán)境 |
| 2.4 系統(tǒng)模塊設(shè)計(jì) |
| 2.5 系統(tǒng)流程分析 |
| 2.6 數(shù)據(jù)庫設(shè)計(jì) |
| 2.7 數(shù)據(jù)庫優(yōu)化 |
| 2.8 本章小結(jié) |
| 第三章 軸承信息管理系統(tǒng)后端詳細(xì)設(shè)計(jì)與實(shí)現(xiàn) |
| 3.1 用戶管理模塊 |
| 3.2 軸承數(shù)據(jù)管理模塊 |
| 3.3 信息管理模塊 |
| 3.4 系統(tǒng)管理模塊 |
| 3.5 本章小結(jié) |
| 第四章 軸承信息管理系統(tǒng)后端的測(cè)試與分析 |
| 4.1 測(cè)試方案 |
| 4.2 功能測(cè)試 |
| 4.3 性能測(cè)試 |
| 4.4 測(cè)試結(jié)果分析 |
| 4.5 本章小結(jié) |
| 第五章 滾動(dòng)軸承壽命計(jì)算系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn) |
| 5.1 滾動(dòng)軸承疲勞壽命計(jì)算理論分析 |
| 5.2 滾動(dòng)軸承壽命計(jì)算系統(tǒng)的設(shè)計(jì) |
| 5.3 滾動(dòng)軸承壽命計(jì)算系統(tǒng)的實(shí)現(xiàn) |
| 5.4 滾動(dòng)軸承壽命計(jì)算系統(tǒng)的驗(yàn)證 |
| 5.5 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 個(gè)人簡(jiǎn)介 |
（2）基于B/S架構(gòu)的軸承數(shù)據(jù)管理系統(tǒng)前端開發(fā)與設(shè)計(jì)（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 選題背景及意義 |
| 1.2 軸承系統(tǒng)研究現(xiàn)狀 |
| 1.3 前端技術(shù)發(fā)展?fàn)顩r |
| 1.4 論文的主要工作 |
| 1.5 論文的組織結(jié)構(gòu) |
| 第二章 軸承數(shù)據(jù)管理系統(tǒng)前端需求及技術(shù)分析 |
| 2.1 軸承的結(jié)構(gòu) |
| 2.2 軸承選型的影響因素 |
| 2.3 軸承數(shù)據(jù)管理系統(tǒng)需求分析 |
| 2.4 軸承管理系統(tǒng)開發(fā)技術(shù) |
| 2.5 軸承管理系統(tǒng)前端開發(fā)模式 |
| 2.6 軸承管理系統(tǒng)前端開發(fā)框架 |
| 2.7 系統(tǒng)使用的組件以及其他技術(shù) |
| 2.8 本章小結(jié) |
| 第三章 系統(tǒng)總體及各模塊的設(shè)計(jì) |
| 3.1 系統(tǒng)架構(gòu)設(shè)計(jì) |
| 3.2 系統(tǒng)登錄模塊設(shè)計(jì) |
| 3.3 主頁初始化界面 |
| 3.4 軸承管理功能設(shè)計(jì) |
| 3.5 軸承信息管理功能設(shè)計(jì) |
| 3.6 軸承系統(tǒng)設(shè)置功能設(shè)計(jì) |
| 3.7 數(shù)據(jù)交互設(shè)計(jì) |
| 3.8 本章小結(jié) |
| 第四章 系統(tǒng)具體實(shí)現(xiàn) |
| 4.1 系統(tǒng)前端項(xiàng)目的搭建 |
| 4.2 登錄模塊的實(shí)現(xiàn) |
| 4.3 主頁顯示模塊的實(shí)現(xiàn) |
| 4.4 軸承管理模塊的實(shí)現(xiàn) |
| 4.5 軸承信息管理模塊的實(shí)現(xiàn) |
| 4.6 軸承系統(tǒng)設(shè)置模塊的實(shí)現(xiàn) |
| 4.7 本章小結(jié) |
| 第五章 系統(tǒng)的測(cè)試 |
| 5.1 系統(tǒng)測(cè)試環(huán)境 |
| 5.2 系統(tǒng)功能性測(cè)試 |
| 5.3 軸承系統(tǒng)界面測(cè)試 |
| 5.4 系統(tǒng)安全性測(cè)試 |
| 5.5 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 全文總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 個(gè)人簡(jiǎn)介 |
（3）基于注意力機(jī)制與深度學(xué)習(xí)的故障診斷方法研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 研究背景和意義 |
| 1.2 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.2.1 基于模型的診斷方法 |
| 1.2.2 基于信號(hào)的診斷方法 |
| 1.2.3 基于知識(shí)的診斷方法 |
| 1.2.4 基于深度學(xué)習(xí)的診斷方法 |
| 1.3 本文主要研究?jī)?nèi)容與組織結(jié)構(gòu) |
| 1.3.1 論文主要研究?jī)?nèi)容 |
| 1.3.2 論文組織結(jié)構(gòu) |
| 2 基于小波變換與二維卷積的軸承故障診斷方法 |
| 2.1 引言 |
| 2.2 基于連續(xù)小波變換的特征升維 |
| 2.2.1 小波變換簡(jiǎn)介 |
| 2.2.2 小波基函數(shù)選擇 |
| 2.3 基于二維卷積神經(jīng)網(wǎng)絡(luò)的特征提取 |
| 2.3.1 卷積層 |
| 2.3.2 池化層 |
| 2.3.3 全連接層 |
| 2.3.4 損失函數(shù)和優(yōu)化器 |
| 2.3.5 軸承故障診斷算法模型搭建 |
| 2.4 軸承故障診斷方法驗(yàn)證 |
| 2.4.1 CWRU數(shù)據(jù)集預(yù)處理 |
| 2.4.2 小波時(shí)頻圖數(shù)據(jù)集創(chuàng)建 |
| 2.4.3 故障診斷算法的訓(xùn)練與測(cè)試 |
| 2.5 本章小結(jié) |
| 3 基于注意力機(jī)制的故障診斷方法改進(jìn)研究 |
| 3.1 引言 |
| 3.2 故障診斷方法抗噪聲干擾能力改進(jìn) |
| 3.2.1 小波基參量選擇抑制噪聲特征 |
| 3.2.2 多尺度特征提取增強(qiáng)抗噪能力 |
| 3.3 基于注意力機(jī)制的模型性能改進(jìn) |
| 3.3.1 通道注意力機(jī)制實(shí)現(xiàn)原理 |
| 3.3.2 基于通道注意力機(jī)制的特征融合 |
| 3.4 改進(jìn)方法的性能測(cè)試 |
| 3.4.1 含噪聲的測(cè)試樣本準(zhǔn)備 |
| 3.4.2 實(shí)驗(yàn)及結(jié)果分析 |
| 3.5 本章小結(jié) |
| 4 基于深度學(xué)習(xí)的故障診斷方法加速技術(shù)研究 |
| 4.1 引言 |
| 4.2 基于一維卷積的軸承故障診斷算法 |
| 4.2.1 深度學(xué)習(xí)模型輕量化 |
| 4.2.2 算法的訓(xùn)練與應(yīng)用 |
| 4.3 軸承故障診斷硬件加速技術(shù) |
| 4.3.1 基于DMA的數(shù)據(jù)采集加速 |
| 4.3.2 基于FPGA的矩陣運(yùn)算加速 |
| 4.3.3 IP核鏈接與功能集成 |
| 4.4 實(shí)驗(yàn)與分析 |
| 4.4.1 算法模型性能測(cè)試 |
| 4.4.2 硬件加速功能測(cè)試 |
| 4.5 本章小結(jié) |
| 5 軸承故障診斷系統(tǒng)搭建與測(cè)試 |
| 5.1 引言 |
| 5.2 基于邊緣計(jì)算的軸承故障診斷系統(tǒng)框架 |
| 5.2.1 系統(tǒng)整體架構(gòu)設(shè)計(jì) |
| 5.2.2 邊緣診斷節(jié)點(diǎn)設(shè)計(jì) |
| 5.2.3 云端監(jiān)控平臺(tái)設(shè)計(jì) |
| 5.3 軸承振動(dòng)實(shí)驗(yàn)平臺(tái)搭建 |
| 5.3.1 硬件平臺(tái)介紹 |
| 5.3.2 故障診斷技術(shù)流程 |
| 5.4 實(shí)驗(yàn)與分析 |
| 5.4.1 軸承振動(dòng)試驗(yàn)臺(tái)數(shù)據(jù)集準(zhǔn)備 |
| 5.4.2 邊緣節(jié)點(diǎn)診斷結(jié)果分析 |
| 5.4.3 云端節(jié)點(diǎn)診斷結(jié)果分析 |
| 5.5 本章小結(jié) |
| 6 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 攻讀學(xué)位期間的研究成果 |
（4）軸系結(jié)構(gòu)數(shù)字化設(shè)計(jì)SaaS平臺(tái)開發(fā)（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.2.1 方案設(shè)計(jì)研究現(xiàn)狀 |
| 1.2.2 SaaS模式國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.3 課題主要研究?jī)?nèi)容 |
| 2 設(shè)計(jì)需求分析及運(yùn)動(dòng)方案設(shè)計(jì) |
| 2.1 設(shè)計(jì)需求分析 |
| 2.2 運(yùn)動(dòng)方案設(shè)計(jì) |
| 2.3 運(yùn)動(dòng)方案的信息傳遞 |
| 2.3.1 基本變換單元符號(hào)表達(dá) |
| 2.3.2 運(yùn)動(dòng)方案信息封裝 |
| 2.4 本章小結(jié) |
| 3 軸系結(jié)構(gòu)及性能設(shè)計(jì) |
| 3.1 軸系的模塊化知識(shí)模型 |
| 3.2 軸系結(jié)構(gòu)方案設(shè)計(jì) |
| 3.2.1 軸系零部件類型選擇 |
| 3.2.2 軸系布局方案設(shè)計(jì) |
| 3.2.3 軸系裝配方案表達(dá) |
| 3.3 軸系結(jié)構(gòu)參數(shù)設(shè)計(jì) |
| 3.3.1 支承模塊型號(hào)選擇模塊 |
| 3.3.2 傳動(dòng)模塊結(jié)構(gòu)設(shè)計(jì)模塊 |
| 3.3.3 軸系優(yōu)化設(shè)計(jì)模塊 |
| 3.4 軸系性能設(shè)計(jì) |
| 3.4.1 力學(xué)分析模塊 |
| 3.4.2 強(qiáng)度校核模塊 |
| 3.4.3 剛度校核模塊 |
| 3.4.4 壽命校核模塊 |
| 3.5 評(píng)價(jià)模塊 |
| 3.6 軸系結(jié)構(gòu)設(shè)計(jì)流程及設(shè)計(jì)案例 |
| 3.6.1 軸系結(jié)構(gòu)設(shè)計(jì)流程 |
| 3.6.2 設(shè)計(jì)案例 |
| 3.7 本章小結(jié) |
| 4 數(shù)字化設(shè)計(jì)平臺(tái)架構(gòu)及功能實(shí)現(xiàn) |
| 4.1 SaaS模式介紹及需求分析 |
| 4.1.1 SaaS模式介紹 |
| 4.1.2 行業(yè)需求及平臺(tái)需求分析 |
| 4.1.3 平臺(tái)用戶角色 |
| 4.2 平臺(tái)架構(gòu)設(shè)計(jì) |
| 4.2.1 平臺(tái)邏輯架構(gòu) |
| 4.2.2 平臺(tái)部署架構(gòu) |
| 4.3 平臺(tái)數(shù)據(jù)庫設(shè)計(jì) |
| 4.3.1 數(shù)據(jù)隔離方式選擇 |
| 4.3.2 平臺(tái)實(shí)體關(guān)聯(lián)分析 |
| 4.3.3 數(shù)據(jù)庫表設(shè)計(jì) |
| 4.4 核心功能模塊設(shè)計(jì) |
| 4.4.1 軟件封裝模塊設(shè)計(jì) |
| 4.4.2 流程重構(gòu)模塊設(shè)計(jì) |
| 4.5 原型方案設(shè)計(jì) |
| 4.6 .應(yīng)用案例 |
| 4.7 本章小結(jié) |
| 結(jié)論 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況 |
| 致謝 |
（5）深溝球軸承密封結(jié)構(gòu)分析及優(yōu)化設(shè)計(jì)（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 課題研究背景及意義 |
| 1.1.1 課題研究背景 |
| 1.1.2 課題研究的意義 |
| 1.2 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.2.1 深溝球軸承密封結(jié)構(gòu)的研究現(xiàn)狀 |
| 1.2.2 國(guó)內(nèi)外軸承企業(yè)現(xiàn)有密封結(jié)構(gòu)情況 |
| 1.2.3 深溝球軸承密封結(jié)構(gòu)的優(yōu)化設(shè)計(jì)現(xiàn)狀 |
| 1.2.4 密封件材料及結(jié)構(gòu)研究現(xiàn)狀 |
| 1.3 論文主要研究?jī)?nèi)容 |
| 1.3.1 論文的主要內(nèi)容 |
| 1.3.2 論文的技術(shù)路線 |
| 本章小結(jié) |
| 第二章 深溝球軸承密封結(jié)構(gòu)的設(shè)計(jì)分析及試驗(yàn) |
| 2.1 深溝球密封結(jié)構(gòu)通用設(shè)計(jì)方法 |
| 2.1.1 外圈密封結(jié)構(gòu)設(shè)計(jì) |
| 2.1.2 內(nèi)圈設(shè)計(jì) |
| 2.1.3 密封圈的設(shè)計(jì) |
| 2.2 6312-2RS軸承密封結(jié)構(gòu)的設(shè)計(jì)分析 |
| 2.3 6312-2RS軸承漏脂試驗(yàn) |
| 2.3.1 試驗(yàn)依據(jù) |
| 2.3.2 試驗(yàn)設(shè)備 |
| 2.3.3 試驗(yàn)過程 |
| 2.3.4 試驗(yàn)結(jié)果 |
| 本章小結(jié) |
| 第三章 6312-2RS軸承密封結(jié)構(gòu)優(yōu)化設(shè)計(jì) |
| 3.1 6312-2RS軸承基本結(jié)構(gòu)優(yōu)化設(shè)計(jì) |
| 3.1.1 6312-2RS軸承基本結(jié)構(gòu)優(yōu)化設(shè)計(jì)目標(biāo)函數(shù) |
| 3.1.2 6312-2RS軸承基本結(jié)構(gòu)優(yōu)化設(shè)計(jì)變量 |
| 3.1.3 6312-2RS軸承基本結(jié)構(gòu)優(yōu)化設(shè)計(jì)約束條件及結(jié)果 |
| 3.2 6312-2RS軸承密封結(jié)構(gòu)優(yōu)化 |
| 3.2.1 密封圈及內(nèi)圈結(jié)構(gòu)優(yōu)化 |
| 3.2.2 密封圈外接觸唇及外圈密封槽優(yōu)化 |
| 3.2.3 密封圈與內(nèi)圈接觸位置優(yōu)化 |
| 3.2.4 優(yōu)化設(shè)計(jì)后極限轉(zhuǎn)速的計(jì)算 |
| 本章小結(jié) |
| 第四章 基于MASTA的新型密封結(jié)構(gòu)6312-2RS軸承性能分析 |
| 4.1 概述MASTA軟件 |
| 4.2 基于MASTA的軸承性能分析過程 |
| 4.3 基于MASTA的軸承壽命分析 |
| 4.4 基于MASTA的軸承應(yīng)力分布分析 |
| 4.5 基于MASTA的軸承摩擦損耗計(jì)算 |
| 本章小結(jié) |
| 第五章 新型密封結(jié)構(gòu)的6312-2RS軸承試制與試驗(yàn) |
| 5.1 生產(chǎn)加工方案的確定 |
| 5.1.1 確定基本加工流程 |
| 5.1.2 確定生產(chǎn)設(shè)備 |
| 5.2 6312-2RS外圈及內(nèi)圈加工過程 |
| 5.2.1 套圈加工的基本過程介紹 |
| 5.2.2 外購淬火件的入廠驗(yàn)收 |
| 5.2.3 套圈磨加工 |
| 5.3 6312-2RS軸承裝配工藝過程 |
| 5.3.1 分選合套 |
| 5.3.2 鉚壓 |
| 5.3.3 清洗 |
| 5.3.4 振動(dòng)檢測(cè) |
| 5.3.5 注脂 |
| 5.3.6 密封圈安裝及成品的檢驗(yàn) |
| 5.4 新型密封結(jié)構(gòu)6312-2RS軸承的漏脂試驗(yàn) |
| 本章小結(jié) |
| 第六章 結(jié)論與展望 |
| 6.1 結(jié)論 |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)成果 |
| 致謝 |
（6）聽覺幾何組網(wǎng)絡(luò)及其在軸承故障遷移診斷中的應(yīng)用研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 選題的研究背景與意義 |
| 1.2 課題來源 |
| 1.3 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.3.1 軸承故障診斷現(xiàn)狀 |
| 1.3.2 基于神經(jīng)網(wǎng)絡(luò)的故障診斷研究現(xiàn)狀 |
| 1.3.3 遷移診斷現(xiàn)狀 |
| 1.4 研究現(xiàn)狀的不足 |
| 1.5 研究?jī)?nèi)容及思路 |
| 1.6 論文結(jié)構(gòu)安排 |
| 第二章 基于全連接層網(wǎng)絡(luò)的故障信號(hào)分類算法研究 |
| 2.1 引言 |
| 2.2 自編碼網(wǎng)絡(luò)算法 |
| 2.2.1 連接主義 |
| 2.2.2 全連接網(wǎng)絡(luò) |
| 2.2.3 反向傳播 |
| 2.2.4 編碼與解碼 |
| 2.2.5 時(shí)序序列與自編碼網(wǎng)絡(luò) |
| 2.3 基于特征的自編碼網(wǎng)絡(luò) |
| 2.3.1 先驗(yàn)知識(shí) |
| 2.3.2 數(shù)據(jù)集預(yù)處理 |
| 2.4 算法實(shí)現(xiàn) |
| 2.4.1 算法步驟 |
| 2.5 實(shí)驗(yàn)數(shù)據(jù)與結(jié)果分析 |
| 2.5.1 實(shí)驗(yàn)數(shù)據(jù)分析 |
| 2.5.2 方法對(duì)比 |
| 2.6 本章小結(jié) |
| 第三章 基于聽覺幾何組網(wǎng)絡(luò)的故障分類 |
| 3.1 引言 |
| 3.2 卷積神經(jīng)網(wǎng)絡(luò) |
| 3.2.1 算法原理 |
| 3.2.2 設(shè)計(jì)理論 |
| 3.2.3 理論優(yōu)化 |
| 3.2.4 存在的問題 |
| 3.3 聽覺幾何組網(wǎng)絡(luò) |
| 3.3.1 VGG的特點(diǎn)及其表現(xiàn) |
| 3.3.2 AGG結(jié)構(gòu)的提出與改進(jìn) |
| 3.3.2.1 過擬合 |
| 3.3.2.2 正則化 |
| 3.3.2.3 標(biāo)準(zhǔn)化 |
| 3.3.2.4 多分類損失函數(shù)選擇 |
| 3.3.2.5 AGG模型結(jié)構(gòu)設(shè)計(jì) |
| 3.4 算法步驟 |
| 3.5 實(shí)驗(yàn)結(jié)果與分析 |
| 3.6 本章小結(jié) |
| 第四章 基于聽覺幾何組網(wǎng)絡(luò)的故障遷移診斷 |
| 4.1 引言 |
| 4.2 卷積工作原理 |
| 4.2.1 卷積工作解析 |
| 4.2.2 感受野 |
| 4.3 遷移診斷類型及適用范圍 |
| 4.4 數(shù)據(jù)集選擇 |
| 4.5 遷移診斷算法流程 |
| 4.6 實(shí)驗(yàn)結(jié)果與分析 |
| 4.7 本章小結(jié) |
| 第五章 基于聽覺幾何組網(wǎng)絡(luò)的可解釋性研究 |
| 5.1 引言 |
| 5.2 卷積網(wǎng)絡(luò)的特征圖 |
| 5.3 特征圖的提取 |
| 5.3.1 特征圖提取算法流程 |
| 5.4 實(shí)驗(yàn)結(jié)果與分析 |
| 5.5 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 論文工作總結(jié) |
| 6.2 論文創(chuàng)新點(diǎn) |
| 6.3 研究工作展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 作者和導(dǎo)師簡(jiǎn)介 |
| 附件 |
（7）基于Romax的交叉圓柱滾子回轉(zhuǎn)支承特性分析（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 課題的背景和意義 |
| 1.2 課題研究的目的與意義 |
| 1.3 課題相關(guān)的國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.4 課題研究主要內(nèi)容 |
| 1.5 本章小結(jié) |
| 2 回轉(zhuǎn)支承相關(guān)理論 |
| 2.1 交叉圓柱滾子回轉(zhuǎn)支承簡(jiǎn)介 |
| 2.1.1 類型介紹 |
| 2.1.2 無齒式回轉(zhuǎn)支承相關(guān)參數(shù) |
| 2.2 無齒式回轉(zhuǎn)支承理論分析 |
| 2.2.1 回轉(zhuǎn)支承研究的傳統(tǒng)研究方法 |
| 2.2.2 回轉(zhuǎn)支承工況下的承載情況分析 |
| 2.2.3 回轉(zhuǎn)支承壽命研究 |
| 2.3 赫茲接觸理論 |
| 2.4 本章小節(jié) |
| 3 非標(biāo)準(zhǔn)回轉(zhuǎn)支承的理論計(jì)算驗(yàn)證 |
| 3.1 回轉(zhuǎn)支承工作原理 |
| 3.2 回轉(zhuǎn)支承工況要求參數(shù)及失效情況 |
| 3.2.1 回轉(zhuǎn)支承工況要求參數(shù) |
| 3.2.2 回轉(zhuǎn)支承失效情況 |
| 3.3 交叉圓柱滾子回轉(zhuǎn)支承承載理論計(jì)算 |
| 3.3.1 交叉圓柱滾子的靜態(tài)承載能力計(jì)算 |
| 3.3.2 交叉圓柱滾子的動(dòng)態(tài)承載能力計(jì)算 |
| 3.4 回轉(zhuǎn)支承壽命理論計(jì)算 |
| 3.5 本章小結(jié) |
| 4 回轉(zhuǎn)支承及工況下的三維建模 |
| 4.1 動(dòng)力學(xué)軟件介紹 |
| 4.2 回轉(zhuǎn)支承建模 |
| 4.3 仿真軟件中對(duì)模型的參數(shù)設(shè)定 |
| 4.4 回轉(zhuǎn)支承模型預(yù)分析 |
| 4.5 本章小結(jié) |
| 5 回轉(zhuǎn)支承的動(dòng)力學(xué)仿真分析 |
| 5.1 不同載荷下回轉(zhuǎn)支承的承載能力分析 |
| 5.1.1 回轉(zhuǎn)支承滾動(dòng)體承載理論分析計(jì)算 |
| 5.1.2 回轉(zhuǎn)支承滾動(dòng)體承載仿真分析 |
| 5.1.3 接觸應(yīng)力仿真分析 |
| 5.1.4 回轉(zhuǎn)支承壽命分析 |
| 5.2 不同徑向工作游隙對(duì)回轉(zhuǎn)支承的影響 |
| 5.2.1 不同徑向游隙下回轉(zhuǎn)支承壽命的分析 |
| 5.2.2 不同徑向游隙下對(duì)接觸應(yīng)力分析 |
| 5.2.3 工作游隙對(duì)滾道承載的影響 |
| 5.2.4 驗(yàn)證最佳徑向工作游隙 |
| 5.3 不同工作溫度對(duì)回轉(zhuǎn)支承的影響 |
| 5.3.1 不同工作溫度對(duì)材料物理性能的影響 |
| 5.3.2 不同工作溫度對(duì)潤(rùn)滑脂的影響 |
| 5.4 本章小結(jié) |
| 6 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間發(fā)表論文及科研成果 |
| 致謝 |
（8）軌道交通軸承健康狀態(tài)評(píng)估與剩余壽命預(yù)測(cè)研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第1章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.2.1 特征提取方法 |
| 1.2.2 性能退化狀態(tài)評(píng)估方法 |
| 1.2.3 剩余壽命預(yù)測(cè)模型 |
| 1.3 本文研究的主要內(nèi)容及技術(shù)路線圖 |
| 1.3.1 主要研究?jī)?nèi)容 |
| 1.3.2 技術(shù)路線圖 |
| 1.4 本章小結(jié) |
| 第2章 軌道交通軸承故障機(jī)理分析與狀態(tài)監(jiān)測(cè)方法 |
| 2.1 引言 |
| 2.2 軌道交通軸承故障機(jī)理分析 |
| 2.2.1 軌道交通軸承的基本結(jié)構(gòu) |
| 2.2.2 軌道交通軸承的失效形式及原因分析 |
| 2.2.3 軌道交通軸承故障信號(hào)特征 |
| 2.3 狀態(tài)監(jiān)測(cè)方法 |
| 2.4 滾動(dòng)軸承全壽命加速疲勞實(shí)驗(yàn)數(shù)據(jù) |
| 2.4.1 實(shí)驗(yàn)裝置 |
| 2.4.2 全壽命振動(dòng)數(shù)據(jù) |
| 2.5 小結(jié) |
| 第3章 基于多域軌道交通軸承全壽命退化狀態(tài)特征提取 |
| 3.1 引言 |
| 3.2 時(shí)域特征提取及分析 |
| 3.2.1 時(shí)域特征提取 |
| 3.2.2 基于全壽命振動(dòng)數(shù)據(jù)的時(shí)域特征分析 |
| 3.3 頻域特征的提取及分析 |
| 3.3.1 頻域特征提取 |
| 3.3.2 基于全壽命振動(dòng)數(shù)據(jù)的頻域特征分析 |
| 3.4 時(shí)頻域特征提取及分析 |
| 3.4.1 變分模態(tài)分解 |
| 3.4.2 Hilbert包絡(luò)解調(diào) |
| 3.4.3 奇異值分解 |
| 3.4.4 基于VMD_Hilbert和SVD的退化狀態(tài)特征提取方法 |
| 3.4.5 基于VMD_Hilbert和SVD的退化狀態(tài)特征提取方法的分析 |
| 3.5 小結(jié) |
| 第4章 基于t-SNE和核馬氏距離的軌道交通軸承健康狀態(tài)評(píng)估 |
| 4.1 引言 |
| 4.2 基于隨機(jī)森林算法的高維退化狀態(tài)特征集構(gòu)建 |
| 4.2.1 基于隨機(jī)森林算法的特征選擇 |
| 4.2.2 高維相對(duì)退化狀態(tài)特征集的構(gòu)建 |
| 4.3 軸承的健康狀態(tài)評(píng)估模型 |
| 4.3.1 t-分布隨機(jī)鄰域嵌入算法(t-SNE) |
| 4.3.2 核馬氏距離 |
| 4.3.3 健康指數(shù) |
| 4.3.4 基于t-SNE和核馬氏距離的軸承健康狀態(tài)評(píng)估模型 |
| 4.4 分析與驗(yàn)證 |
| 4.4.1 不同非線性降維方法對(duì)比 |
| 4.4.2 核馬氏空間度量 |
| 4.4.3 健康指數(shù)的計(jì)算 |
| 4.5 小結(jié) |
| 第5章 基于ELM_AdaBoost軌道交通軸承剩余壽命預(yù)測(cè) |
| 5.1 引言 |
| 5.2 剩余壽命預(yù)測(cè)模型理論基礎(chǔ) |
| 5.2.1 極限學(xué)習(xí)機(jī) |
| 5.2.2 ELM_AdaBoost算法原理 |
| 5.2.3 基于相空間重構(gòu)的ELM_AdaBoost預(yù)測(cè)模型 |
| 5.2.4 ELM_AdaBoost預(yù)測(cè)模型的預(yù)測(cè)策略 |
| 5.3 基于PSR和 ELM_AdaBoost剩余壽命預(yù)測(cè)流程 |
| 5.4 基于PSR和 ELM_AdaBoost剩余壽命預(yù)測(cè)分析與對(duì)比 |
| 5.4.1 PSR的參數(shù)確定 |
| 5.4.2 ELM_AdaBoost模型結(jié)構(gòu)參數(shù)設(shè)定 |
| 5.4.3 基于PSR和 ELM_AdaBoost剩余壽命預(yù)測(cè) |
| 5.5 小結(jié) |
| 第6章 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 攻讀碩士期間發(fā)表的論文及科研情況 |
（9）水電機(jī)組混合智能故障診斷與狀態(tài)趨勢(shì)預(yù)測(cè)方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 課題研究的背景及意義 |
| 1.2 水電機(jī)組振動(dòng)故障機(jī)理分析 |
| 1.3 振動(dòng)信號(hào)時(shí)頻分析方法概述 |
| 1.4 振動(dòng)信號(hào)特征提取與高維特征約簡(jiǎn)方法概述 |
| 1.5 水電機(jī)組故障診斷方法研究綜述 |
| 1.6 水電機(jī)組狀態(tài)趨勢(shì)預(yù)測(cè)方法研究綜述 |
| 1.7 本文主要研究?jī)?nèi)容與章節(jié)安排 |
| 2 基于自適應(yīng)SVD與 IMFs重構(gòu)的水電機(jī)組振動(dòng)信號(hào)多級(jí)降噪方法 |
| 2.1 引言 |
| 2.2 自適應(yīng)SVD濾波 |
| 2.3 IMFs重構(gòu)降噪 |
| 2.4 基于自適應(yīng)SVD與 IMFs重構(gòu)的水電機(jī)組振動(dòng)信號(hào)多級(jí)降噪 |
| 2.5 水電機(jī)組振動(dòng)信號(hào)降噪實(shí)例分析 |
| 2.6 本章小結(jié) |
| 3 基于FEEMD能量熵及混合集成自編碼器的水電機(jī)組狀態(tài)特征提取方法.. |
| 3.1 引言 |
| 3.2 基于FEEMD固有模態(tài)函數(shù)能量熵的健康狀態(tài)特征提取方法 |
| 3.3 自編碼器基本原理 |
| 3.4 混合集成自編碼器設(shè)計(jì)及其在故障狀態(tài)特征提取中的應(yīng)用 |
| 3.5 水電機(jī)組狀態(tài)特征提取實(shí)例分析 |
| 3.6 本章小結(jié) |
| 4 基于能量熵判別與深度特征約簡(jiǎn)的水電機(jī)組混合故障診斷策略 |
| 4.1 引言 |
| 4.2 基于能量熵統(tǒng)計(jì)分析的健康狀態(tài)判別體系 |
| 4.3 改進(jìn)t-SNE映射機(jī)制的深度故障特征約簡(jiǎn)方法 |
| 4.4 基于能量熵判別與深度特征約簡(jiǎn)的多步遞進(jìn)式混合故障診斷策略 |
| 4.5 診斷實(shí)例分析 |
| 4.6 本章小結(jié) |
| 5 融合滑動(dòng)窗與Grey-Markov模型的水電機(jī)組運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)方法 |
| 5.1 引言 |
| 5.2 水電機(jī)組運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)可行性分析 |
| 5.3 Grey-Markov預(yù)測(cè)模型 |
| 5.4 預(yù)測(cè)誤差來源分析及模型優(yōu)化思路 |
| 5.5 融合滑動(dòng)窗與Grey-Markov模型的水電機(jī)組狀態(tài)趨勢(shì)組合預(yù)測(cè)方法 |
| 5.6 水電機(jī)組運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)實(shí)例分析 |
| 5.7 本章小結(jié) |
| 6 全文總結(jié)與展望 |
| 6.1 全文工作總結(jié) |
| 6.2 進(jìn)一步研究展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 附錄1 :攻讀博士期間發(fā)表的論文 |
| 附錄2 :攻讀博士期間完成和參與的科研項(xiàng)目 |
| 附錄3 :與導(dǎo)師合作申請(qǐng)的發(fā)明專利 |
| 附錄4 :攻讀博士期間所獲獎(jiǎng)勵(lì) |
（10）智能點(diǎn)巡檢系統(tǒng)開發(fā)及散熱風(fēng)扇狀態(tài)監(jiān)測(cè)智能方法研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 符號(hào)說明 |
| 第一篇 智能點(diǎn)巡檢系統(tǒng)開發(fā) |
| 第一章 緒論 |
| 1.1 前言 |
| 1.2 國(guó)內(nèi)外現(xiàn)狀 |
| 1.2.1 國(guó)內(nèi)現(xiàn)狀 |
| 1.2.2 國(guó)外現(xiàn)狀 |
| 1.3 論文研究主要內(nèi)容 |
| 第二章 系統(tǒng)功能需求分析 |
| 2.1 設(shè)備點(diǎn)巡檢制度 |
| 2.2 我國(guó)企業(yè)設(shè)備管理現(xiàn)狀 |
| 2.2.1 在線監(jiān)測(cè)系統(tǒng) |
| 2.2.2 離線式點(diǎn)巡檢系統(tǒng) |
| 2.3 功能需求分析 |
| 2.4 本章小結(jié) |
| 第三章 點(diǎn)巡檢系統(tǒng)框架構(gòu)建 |
| 3.1 網(wǎng)絡(luò)框架構(gòu)建 |
| 3.1.1 幾種數(shù)據(jù)傳輸方式的介紹 |
| 3.1.2 網(wǎng)絡(luò)類型的選擇 |
| 3.1.3 點(diǎn)巡檢系統(tǒng)網(wǎng)絡(luò)模式 |
| 3.2 點(diǎn)巡檢系統(tǒng)結(jié)構(gòu)選擇 |
| 3.2.1 C/S結(jié)構(gòu)和B/S結(jié)構(gòu) |
| 3.2.2 點(diǎn)巡檢系統(tǒng)結(jié)構(gòu)確定 |
| 3.3 數(shù)據(jù)庫總體設(shè)計(jì) |
| 3.3.1 數(shù)據(jù)庫類型選擇 |
| 3.3.2 數(shù)據(jù)庫結(jié)構(gòu)設(shè)計(jì) |
| 3.4 系統(tǒng)軟件總體構(gòu)思 |
| 3.4.1 系統(tǒng)功能模塊 |
| 3.4.2 點(diǎn)巡檢系統(tǒng)流程 |
| 3.4.3 系統(tǒng)開發(fā)語言選擇 |
| 3.4.4 系統(tǒng)開發(fā)平臺(tái)選擇 |
| 3.4.5 系統(tǒng)軟件開發(fā)模式 |
| 3.5 本章小結(jié) |
| 第四章 智能點(diǎn)巡檢系統(tǒng)實(shí)現(xiàn) |
| 4.1 服務(wù)器配置 |
| 4.2 數(shù)據(jù)庫訪問 |
| 4.3 ActiveX組件封裝 |
| 4.4 C/S結(jié)構(gòu)功能界面 |
| 4.4.1 登錄權(quán)限設(shè)定 |
| 4.4.2 系統(tǒng)主體界面 |
| 4.4.3 信息維護(hù)、查詢及分析 |
| 4.4.4 故障診斷輔助 |
| 4.5 B/S結(jié)構(gòu)界面簡(jiǎn)介 |
| 4.6 本章小結(jié) |
| 第五章 總結(jié)與展望 |
| 5.1 總結(jié) |
| 5.2 展望 |
| 第二篇 散熱風(fēng)扇狀態(tài)監(jiān)測(cè)智能方法研究 |
| 第一章 緒論 |
| 1.1 課題背景及意義 |
| 1.2 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.2.1 故障診斷 |
| 1.2.2 壽命預(yù)測(cè) |
| 1.3 本課題主要研究?jī)?nèi)容 |
| 第二章 風(fēng)冷實(shí)驗(yàn)介紹 |
| 2.1 散熱風(fēng)扇介紹 |
| 2.1.1 風(fēng)扇結(jié)構(gòu) |
| 2.1.2 風(fēng)扇主要故障形式 |
| 2.2 實(shí)驗(yàn)介紹 |
| 2.3 風(fēng)扇數(shù)據(jù)采集 |
| 2.3.1 非振動(dòng)數(shù)據(jù)采集 |
| 2.3.2 振動(dòng)數(shù)據(jù)采集 |
| 2.4 本章小結(jié) |
| 第三章 風(fēng)扇滾動(dòng)軸承故障診斷研究 |
| 3.1 風(fēng)扇滾動(dòng)軸承故障診斷方法選擇 |
| 3.2 基于小波包和SVM的滾動(dòng)軸承故障類型識(shí)別 |
| 3.2.1 小波包介紹 |
| 3.2.2 小波包分解與重構(gòu) |
| 3.2.3 小波包分解后特征參數(shù)提取 |
| 3.2.4 基于SVM的故障類型分類 |
| 3.3 實(shí)驗(yàn)數(shù)據(jù)分析 |
| 3.3.1 風(fēng)扇滾動(dòng)軸承信號(hào)特征 |
| 3.3.2 特征參數(shù)提取及樣本構(gòu)建 |
| 3.3.3 SVM樣本訓(xùn)練及測(cè)試 |
| 3.3.4 同神經(jīng)網(wǎng)絡(luò)對(duì)比 |
| 3.4 本章小結(jié) |
| 第四章 風(fēng)扇剩余壽命預(yù)測(cè)研究 |
| 4.1 風(fēng)扇剩余壽命評(píng)估參數(shù)確定 |
| 4.2 時(shí)間序列和神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型 |
| 4.2.1 時(shí)間序列ARIMA模型 |
| 4.2.2 BP神經(jīng)網(wǎng)絡(luò)模型 |
| 4.2.3 基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型 |
| 4.3 數(shù)據(jù)處理及分析 |
| 4.3.1 數(shù)據(jù)預(yù)處理 |
| 4.3.2 數(shù)據(jù)平穩(wěn)變換 |
| 4.3.3 時(shí)間序列模型的識(shí)別與定階 |
| 4.3.4 ARIMA模型的建立與適應(yīng)性檢驗(yàn) |
| 4.3.5 利用ARIMA模型進(jìn)行趨勢(shì)預(yù)測(cè) |
| 4.3.6 結(jié)合BP神經(jīng)網(wǎng)絡(luò) |
| 4.4 本章小結(jié) |
| 第五章 總結(jié)與展望 |
| 5.1 總結(jié) |
| 5.2 展望 |
| 參考文獻(xiàn) |
| 致謝 |
| 研究成果及發(fā)表的學(xué)術(shù)論文 |
| 作者及導(dǎo)師簡(jiǎn)介 |
| 附件 |
四、基于知識(shí)的非標(biāo)準(zhǔn)滾動(dòng)軸承專家系統(tǒng)的研究（論文參考文獻(xiàn)）
- [1]基于Python的軸承信息管理系統(tǒng)后端的設(shè)計(jì)與實(shí)現(xiàn)[D]. 楊松. 寧夏大學(xué), 2021
- [2]基于B/S架構(gòu)的軸承數(shù)據(jù)管理系統(tǒng)前端開發(fā)與設(shè)計(jì)[D]. 王志峰. 寧夏大學(xué), 2021
- [3]基于注意力機(jī)制與深度學(xué)習(xí)的故障診斷方法研究[D]. 宋林. 西南科技大學(xué), 2021(08)
- [4]軸系結(jié)構(gòu)數(shù)字化設(shè)計(jì)SaaS平臺(tái)開發(fā)[D]. 宋亞迪. 大連理工大學(xué), 2021(01)
- [5]深溝球軸承密封結(jié)構(gòu)分析及優(yōu)化設(shè)計(jì)[D]. 溫晶. 大連交通大學(xué), 2020(06)
- [6]聽覺幾何組網(wǎng)絡(luò)及其在軸承故障遷移診斷中的應(yīng)用研究[D]. 吳振彬. 北京化工大學(xué), 2020(02)
- [7]基于Romax的交叉圓柱滾子回轉(zhuǎn)支承特性分析[D]. 潘星宇. 西華大學(xué), 2020(01)
- [8]軌道交通軸承健康狀態(tài)評(píng)估與剩余壽命預(yù)測(cè)研究[D]. 羅棚. 重慶交通大學(xué), 2020(01)
- [9]水電機(jī)組混合智能故障診斷與狀態(tài)趨勢(shì)預(yù)測(cè)方法研究[D]. 姜偉. 華中科技大學(xué), 2019(01)
- [10]智能點(diǎn)巡檢系統(tǒng)開發(fā)及散熱風(fēng)扇狀態(tài)監(jiān)測(cè)智能方法研究[D]. 王立新. 北京化工大學(xué), 2016(03)
標(biāo)簽：軸承論文; 回轉(zhuǎn)支承論文; 滾動(dòng)軸承論文; 電機(jī)軸承論文; 振動(dòng)單位論文;