一、基于BP网络的滚动轴承剩余寿命多因素分析（论文文献综述）
孙传凯[1]（2021）在《基于张量模型与卷积神经网络的间接信号数据故障诊断方法研究》文中研究说明牵引电机和轴承作为列车走行部的关键部件,保障其正常运转对行车安全和乘客安全具有重要意义,现阶段对轴承的故障诊断往往是对其传感器采集到的加速度信号这种直接信号进行研究,实际上轴承的故障会在设备间的相互作用中传递给相邻设备,进而在相邻设备的监测信号中体现出来,这里我们称这类监测信号为间接信号。间接信号作为直接信号的辅助信号可实现诊断精度的提高,同时在直接信号采集中断或异常时作为主要的诊断手段,对其进行分析研究具有重要意义。本文以永磁同步电机驱动的轴承为研究对象,针对间接信号时频域特征不明显以及轴承损伤程度难以鉴别等问题,提出了适用于直接和间接信号数据的降维降噪、特征提取、损伤分类以及损伤程度鉴别算法。本文主要完成了以下工作:（1）基于信号时频特征的间接信号选取。构建高阶影响程度分析和因子矩阵匹配模型,从振动、电流、扭矩、径向力信号中甄别出电流和扭矩两类间接信号。（2）间接信号的降维降噪处理算法。针对常规低阶时频分析方法对间接信号适用性不好的问题,提出基于T-HOSVD（Truncated Higher-Order Singular Value Decomposition）和L-曲线的三阶信号处理模型。n-模矩阵化信号的三阶张量模型,对各矩阵截断奇异值分解,利用L-曲线进行截断参数的求取,在保留特征的情况下完成降噪,以每个截断后的左奇异矩阵构成新的核张量,最后对张量进行重构。借助功率谱分析去噪性能,找出故障特征频率在间接信号中的映射。（3）间接信号的特征提取。针对间接信号时频特征不明显的问题,提出了一种基于张量T-QR-HOOI的特征提取方法。原始信号的三阶张量模型经T-QR分解得到特征张量和特征值张量,特征张量作为初始解经过HOOI（High-order orthogonal iteration）分解可以得到能表征信号全局特征的核心张量,向量化作为初始特征向量,经过距离和误差权重的双重筛选,最终的特征向量可作为分类机的输入进行故障诊断,多个机器学习分类机模型进行验证,证明了间接信号可以实现对轴承损伤类型的准确辨识。（4）基于间接信号的轴承损伤程度评估算法。针对间接信号对损伤程度鉴别不稳定的问题,提出了一种双模CNN（Convolutional Neural Networks）算法,时频图的2D输入端和特征向量的1D端进行独立卷积池化特征提取,在汇聚层进行特征融合以进行诊断分类,实验表明,对间接信号作为模型的输入可以实现对轴承损伤类型和损伤程度的准确诊断和评估。
李焕昭[2]（2020）在《基于聚类及神经网络的机床热误差研究》文中提出机床热误差是由于机床受到热源影响结构受热膨胀导致的误差,在总误差中占据重要成分。热误差补偿研究中,建立热误差模型主要分为有限元法和数学建模法,机床由于受到内部热源和外部热源较多,换热方式无法进行理想化计算,并且相接触部件较多且关系复杂,整机分析极其困难,因此通过一般的有限元方法难以建立准确的温度场及热变形模型。数学建模法是分析机床关键点温度数据与主轴热误差数据之间关系得到热误差模型,根据模型计算出控制器的补偿参数,对热误差进行补偿,是目前最为主流的方法。机床关键点温度与主轴热误差呈非线性关系,并且具有一定的动态性、周期性,如何建立有效的、准确的模型成为了研究的热点。为了减小热误差对机床加工精度的影响,从数据采集系统、测温点选取、数据处理及测温点优化、样本增强及建模方法进行了研究。结合机床空间特性、发热特性,确定激光位移传感器、红外温度传感器来获取机床温度与主轴位移数据,温度、位移采集器分别采用RJ45及USB作为通信方案,设计上位机对数据进行按时刻数据对齐,开发存储与导出功能。根据发热原理定性分析机床主要热源位置。确定热源部分主要的热交换方式及对机床误差的影响。针对环境温度对热误差的影响的相关性进行分析,并通过分析得到机床静置下的温度分布与环境温度分布,可以将机床初始时刻测量的温度作为环境温度,表明了机床热误差数据采集过程中考虑到了环境温度对热误差的影响。确定温度与位移测量位置并根据环境影响设计了分季度的实验方案。为保证采集到的数据更加接近于实际加工工况,依据切削要素设计四种加工工况方案。根据方案进行数据采集。采用K-S算法分析到温度数据不服从正态分布,因此采用箱型图法对异常值进行筛选,将异常值进行删除。通过拉格朗日插值法对数据缺失值进行处理。提出采用密度聚类结合皮尔森相关系数法进行测温点的优化。通过密度聚类将温度数据分为多个类别,在每个类别中密度聚类能够有效的将线性相关或密度空间相近的向量归为同一类别,计算每个类别中的温度向量与主轴位移之间的相关系数,选取类别内相关系数最大值对应的温度向量作为优化后的温度数据。利用GAM（广义相加模型）方法对优化后的温度数据进行非参数回归检验,分析单因素、多因素下的回归拟合程度,发现优化后的温度数据均对热误差变化影响较大,说明优化效果较好,并且分析发现两者之间呈非线性关系。研究了由振动、加工等因素造成的热误差动态性,并提出采用随机动态误差法对数据集进行增强,得到增强后的数据集,采用BP神经网络建立机床热误差模型。考虑实际加工过程中刀具产生的外力对机床热误差有一定影响,结合多特征融合方法对切削速度、背吃刀量、进给速度三个特征进行融合,并建立热误差模型。比较发现多特征融合后网络预测更加精确。
周佑光[3]（2019）在《基于循环神经网络的轴承性能退化趋势预测方法研究》文中认为滚动轴承以其独特的优势在旋转机械设备中起着重要的作用,然而实际工况条件往往十分恶劣,导致轴承极易发生性能退化。可靠、准确地预测轴承退化趋势对机械装备的健康管理起着重要的指导作用。本文围绕轴承的退化过程,深入开展了基于循环神经网络的轴承退化趋势预测方法研究,主要内容如下:（1）针对传统轴承退化趋势预测方法未充分考虑历史振动状态与未来状态之间关联的问题,提出了基于循环神经网络的预测方法。通过对轴承振动信号处理,分别提取轴承振动信号的时域、频域以及时频域特征参数,构建利于趋势预测的单调性特征评价指标,筛选出单调性最优的特征参数,利用循环神经网络实现轴承的退化趋势预测,与传统BP神经网络对比,所提方法效果更好。（2）针对单一特征参数无法全面表征轴承整个退化过程以及循环神经网络训练过程中存在的梯度不稳定的问题,提出了基于瓶颈特征与长短时记忆网络的轴承退化趋势预测方法。通过构建一致性评价指标进一步筛选出敏感特征参数集,利用堆叠自编码网络学习敏感特征参数集中轴承的退化信息,提取充分反映轴承退化状态的瓶颈特征。为探究循环神经网络结构出现的梯度不稳定现象,建立基于长短时记忆网络的轴承预测模型,最终,通过轴承退化趋势单步与多步预测结果验证了方法的有效性。（3）针对轴承退化特征参数中包含许多不利于趋势预测的细节成分以及长短时记忆网络忽略了未来信息的问题,提出了基于多尺度瓶颈特征与双向长短时记忆网络的退化趋势预测方法。通过对敏感特征参数集进行小波多尺度分解,剔除细节成分,提取敏感特征参数的趋势项,进而利用堆叠自编码网络提取多尺度瓶颈特征。引入时间延迟,构建基于双向长短时记忆网络的预测模型,通过加速退化实验表明,该方法进一步提高了单步与多步预测的精度与泛化能力。
杨佳澄[4]（2019）在《基于群体智能的中医辨证诊断研究》文中进行了进一步梳理中医有着千年的历史文化积淀,在漫长的诊疗实践活动中,最终形成了一套蕴藏中华民族文化、历史,具有独特诊病模式的医疗体系,在临床上发挥着重要的作用,而且不断地丰富和发展。我国地大物博,地域差异显着,人文和自然环境等因素导致了医疗水平发展极不平衡,人民群众的健康需求亟待解决。西医诊断依赖于精密的检验检查仪器,对于资金匮乏、人员素质偏低的基层医疗单位有诸多束缚,中医在诊疗方面具有“源于中华,适于中华”得天独厚的发展优势,根据我国的国情、民情,大力发展中医药事业已成为我国卫生事业发展的重要环节,政府也把中医药事业发展提高到了国家战略发展前所未有的高度。然而作为一种传承性的经验医学,它具备了高维、模糊、不确定等一系列特点,缺乏明确、有效的规范和科学化的学习传承方式,严重制约了中医药事业的整体发展。本文旨在通过智能技术的运用从传统中医视角出发对中医证候诊断进行研究,引入群体智能理论,为中医辨证过程设计一个具有规范性和客观性的整体框架,并以中医中风病为研究对象建立集辅助诊断与学习传承为核心,具有广泛使用和推广价值的群体智能中医辨证诊断系统,为中医智能化、现代化和健康中国的总体布局提供具有现实意义的方法和手段。本文将在中医辨证诊断研究发展现状和相关智能技术的基础上,提出适宜中医临床现状（尤其是边远、医疗资源匮乏地区）,符合中医发展的智能化中医辨证诊断方法及临床诊断系统的实现。1.基于人工智能的中医临床辨证诊断思路与方法探讨西医诊断元素的不断渗透使得大量中医智能化诊断研究以中西医结合的形式开展,虽然在分析过程和诊断结果方面有其优越性,但却忽略了中医自身发展和临床现实意义的问题。在充分分析研究中医临床辨证诊断规律和现实问题的基础上,提出了“中医病名+中医证候+中医症状”的智能化中医辨证诊断研究思路,为中医临床辨证诊断的智能化研究提供切合现实的方向和指导。2.基于群体智能的中医辨证诊断方法学研究应用于智能化医学诊断的技术各有千秋,优缺点并存,根据中医辨证诊断的特点,在进行多方法对比研究后,引入基于群体智能的人工蜂群算法,通过对算法种群初始化、搜索策略和搜索行为的若干改进,提出了一种改进算法CS-ABC（Complex System Artificial Bee Colony Algorithm）,加以仿真实验证明,其进化速度、收敛精度和鲁棒性等方面表现突出,尤其对于高维函数寻优的过程中表现出对群体规模极强的鲁棒性,对照中医诊断中出现的高维复杂问题有着高度的契合性。3.在中医辨证诊断模型中建立一种“存疑虑”指标通过对中医临床病例数据特殊方式的“筛选”、“过滤”、“整形”“降维”等预处理,完成症状、证候的模糊化处理和主、次、兼证划分,综合运用CS-ABC算法、BP算法、模糊理论及神经网络构建了中医辨证诊断模型,在以1167例中风病临床病例诊断结果作为原始数据的仿真实验中,与其他智能和非智能方法加以对比,结果表明,该模型不仅提高了主证诊断准确率,次证和兼证诊断中其准确率也明显要优于其他方法,并在研究中提出了一种评价诊断的“存疑率”指标,这一指标可以在一定程度上辅助中医临床医师发现中医诊断普遍化规律,为中医辅助诊断和中医标准化研究提供了一种方法和思路。4.中医中风病辨证分型辅助诊断（学习）系统的研发在对中医辨证过程及其方法的研究基础上,利用已提出的群体智能中医辨证诊断模型,通过诊断模式和功能构架的设计,以开发过程中数据库管理、访问、实现等技术为内容,以JDBC中间件模型设计及连接池复用技术为保障,以诊断和学习功能的实现为目标,实现了系统的研发,并可使系统在新样本增加中,对模型不断完善。
宗凯[5]（2019）在《悬臂式掘进机截割过程位姿响应与截割臂摆速控制研究》文中进行了进一步梳理煤炭是我国的主体能源,随着开采深度的不断增加,采掘作业区各种自然灾害更趋严重。因此,无人采掘装备已成为我国煤炭工业的重要发展目标。在综掘工作面,悬臂式掘进机的应用大幅提高了巷道掘进效率,但仍存在很多问题,严重制约了智能化无人综掘的发展,其中悬臂式掘进机的机器人化自主导控是首要问题,其关键基础科学问题的解决更是当务之急。聚焦关键科学问题:悬臂式掘进机截割过程位姿响应和截割臂摆速控制方法,本文通过动力学建模与分析,得到了掘进机截割过程位姿响应规律与截割臂径向跳动规律;提出并研究了一种截割臂摆速控制方法,根据煤岩硬度的变化自动调整截割臂摆速;为掘进机机器人化自主导控的实现提供了理论依据与支撑。（1）基于Lagrange方程建立了悬臂式掘进机截割过程位姿动力学耦合模型。分析了悬臂式掘进机截割过程位姿变化现象及影响因素,确定了位姿变化参数为偏向位移、后向位移、卧底位移、俯仰角、横滚角和偏向角,影响因素为截割载荷、截割臂摆角和煤层倾角,并提出了一种截割载荷离散化计算方法。对第二类Lagrange方程进行变形,完整地计算了掘进机截割过程中整机系统的动能、势能和耗散能;针对横向截割与纵向截割两种工况,推导了掘进机位姿变化运动微分方程组,建立了掘进机截割过程位姿动力学耦合模型,为掘进机的动力学分析提供了完整的理论模型。（2）分析得到了悬臂式掘进机截割过程位姿响应规律。基于Simulink对掘进机截割过程位姿动力学耦合模型进行了仿真求解分析,得到了不同工况多种因素影响下的掘进机截割过程位姿响应规律:横向截割过程中,偏向位移最大可达6.5cm,后向位移最大可达5.2cm,卧底位移最大可达11cm,俯仰角最大可达7.8°,横滚角最大可达2.1°,偏向角最大可达7°;纵向截割过程中,偏向位移最大可达6.2cm,后向位移最大可达3.7cm,卧底位移最大可达13.3cm,俯仰角最大可达9.3°,横滚角最大可达4.5°,偏向角最大可达6.4°。针对倾角为30°的大倾角煤层特殊工况,分析了掘进机截割过程位姿响应规律:横向截割过程中,偏向位移最大可达8.8cm,后向位移最大可达4.5cm,卧底位移最大可达14.6cm,俯仰角最大可达9.1°,横滚角最大可达2.4°;纵向截割过程中,偏向位移最大可达9cm,后向位移最大可达4.1cm,卧底位移最大可达16.9cm,俯仰角最大可达8.8°,横滚角最大可达2.9°。在所有工况中,截割载荷对掘进机位姿变化的影响较大,截割臂摆角和煤层倾角的影响相对较小;偏向角的变化与煤层倾角无关,只受截割载荷与截割臂摆角的影响。（3）基于Lagrange方程建立了掘进机截割过程截割臂径向跳动动力学模型,分析得到了截割臂径向跳动规律。分析了掘进机截割过程截割臂径向跳动现象及影响因素,主要为截割载荷与截割臂摆角。基于变形后的Lagrange方程,针对水平方向与垂直方向的截割臂径向跳动现象,推导了相应的运动微分方程,建立了截割臂径向跳动动力学模型,并基于Simulink对其进行了仿真求解,分析得到了截割臂径向跳动规律:水平方向截割臂径向跳动量最大可达到5.3°,最小为0.5°;垂直方向截割臂径向跳动量最大可达到5.4°,最小为0.3°;截割载荷对截割臂径向跳动的影响较大,截割臂摆角的影响相对较小。最后通过井下现场实测数据,验证了掘进机截割过程截割臂径向跳动规律的正确性。（4）提出了一种截割臂摆速控制方法与策略,并进行了仿真研究。构建了截割臂摆速控制策略,通过控制截割臂摆速来实现恒功率截割。提出了一种基于多参数判据的截割载荷变化判定策略,根据截割电机电压和电流,截割臂驱动油缸压力和截割臂振动加速度的变化来准确判断截割载荷的变化。利用BP神经网络保证截割电机输出功率恒定,对BP神经网络进行了设计,并用遗传算法对其进行了优化;基于井下实测数据,获取了训练样本;基于Simulink建立了截割臂摆速仿真控制系统,并进行了仿真分析。结果表明:该方法能够根据煤岩硬度的变化自动调整截割臂摆速,保证截割电机以额定功率进行恒功率截割,而且控制精度较高,响应速度较快。
唐霏[6]（2018）在《天然气集输系统能效综合评价技术研究》文中提出典型的天然气集输系统是按照一定的拓扑结构衔接而成的一个复杂耗能系统,各用能环节之间相互关联、相互影响、相互制约,系统自身消耗了大量的能源。因此,对天然气集输系统各子系统能效进行综合评价,找出系统中用能薄弱环节,对于提升天然气集输系统能效具有重要的理论价值和工程意义。本文通过对国内外集输系统能效综合评价方法的相关文献进行调研,在归纳、总结综合评价方法应用现状的基础上,构建了能效综合评价指标体系与最优预测模型。主要研究内容包括:（1）根据综合评价的原则,建立了天然气集输系统能效综合评价体系,确定了各个指标的取值范围以及计算方法,最终确定了一级指标即天然气集输系统能效1个,7个二级指标以及49个三级指标,二级指标包括井场系统、增压系统、脱水系统、脱硫系统、轻烃回收系统、集输管网系统以及气田水回注系统,。（2）论文通过对天然气集输系统中脱水系统和增压系统进行HYSYS模拟,确定了脱水系统以、增压系统以及脱硫系统的能效影响因素,并对该系统进行了定量分析,依据HYSYS模拟结果、相关文献与标准确定了脱水系统、增压系统以及脱硫系统中关键指标的取值范围。（3）基于建立的天然气集输系统能效综合评价指标体系,对比相关智能化综合评价方法理论,最终优选粗糙集理论确定综合评价体系指标的权重,采用模糊隶属函数以及线性加权方法对天然气集输系统能效进行综合评价。基于支持向量机理论,结合遗传算法进行参数寻优,采用MATLAB软件数值模拟构建了综合预测模型,并在X气矿进行了能效评价与预测的实例运用。（4）针对X气矿集输系统运行中的能耗问题,提出井场系统、增压系统、脱水系统、集输管网系统及气田水回注系统的主要节能降耗措施。论文对文天然气集输系统开展能效综合评价工作,有助于把握集输系统的运行现状,分析集输系统及主要耗能设备的能效水平,为气田的生产调度和运行改造提供依据。
雷莹[7]（2017）在《基于变分模态分解的神经网络心电信号预测方法研究》文中进行了进一步梳理随着当今社会的高速发展,网络技术及数据库技术有了长足的进步,人们越来越需要简洁、快速地获取信息,需要通过科学预测来为他们的行为提供帮助和指导。人们迫切希望能对某些身体疾病（如心血管疾病）进行精准预测。由此衍生出多种预测算法与预测工具。人工神经网络（Artificial Neural Networks,ANNs）就是其中的佼佼者。ANNs是一种模拟生物大脑处理机能的非线性模型,具有可塑性强、健壮性强、信息处理能力强等特点。误差反向传播（Error Back Propagation,BP）神经网络是ANNs最典型的分支之一,特别适用于对非线性非平稳信号的预测。心电信号就是这样一种信号。它可以明确直接的反映心脏的活动,使医生快速的了解病情,从而迅速准确地救治患者。对其进行预测意义重大。本文使用BP神经网络对心电信号进行预测。鉴于BP网络存在一些缺陷,为提高预测度值,得到更好的预测结果,本文在预测过程中,采用了一种新兴的信号处理技术——变分模态分解（Variational Mode Decomposition,VMD）改进BP神经网络的输入端,客观的确定了网络的输入端节点数,防止主观因素对输入端节点数目的影响,从而使其得到了改进。VMD是一种新兴的完全非递归的信号分解方法,能将给定的信号分解成为围绕中心频率的一组模态。本文首先将含有基线偏移噪声的输入心电信号用VMD分解成一组模态,通过分析每个模态的中心频率,完成特征模式选取,达到去除心电信号中基线噪声的目的。然后将其余的模态作为BP神经网络的输入信号,通过网络的学习和训练确定其权重和阈值,最后达到对数据进行预测的目的。文中使用MATLAB作为仿真工具,采用麻省理工学院研究心律失常数据库提供的第100号和第119号心电信号作为仿真信号。仿真实验表明,在误差允许的情况下,本文所研究的改进算法有效,且性能良好,验证了此改进算法对心电信号进行预测的有效性。
李兴林,张仰平,曹茂来,张燕辽,陆水根,李建平[8]（2009）在《滚动轴承故障监测诊断技术应用进展》文中指出概述了滚动轴承故障监测和诊断工程与试验应用技术的现状,着重介绍了基于振动信号的信号处理方法,并预测了滚动轴承故障监测和诊断技术应用的发展方向。
王兆卫[9]（2010）在《问题驱动的制造企业质量改进技术研究》文中研究指明近年来,我国在轴承、齿轮和紧固件等基础件生产取得了突飞猛进的发展,其总体质量也得到了不断的提升。然而,由于受到人员、设备、技术与管理等多重因素的制约,许多企业在其制造过程中质量问题频发,特别重复性的质量事件屡见不鲜,致使企业穷于应付,不但带来巨大的经济损失,而且产品质量无法得到有效的保证与改善,这已成为我国制造企业目前迫切需要解决的难点。在国家自然基金和武器装备预研基金的资助下,本文围绕问题驱动的制造企业质量改进这个主题,开展以问题驱动为核心的制造企业质量改进技术研究。第一章阐明了课题的背景,综述了国内外质量技术的研究现状,总结了企业质量改进发展的趋势和热点,从而引出了本文的研究内容是以“问题”为核心的制造企业质量改进技术及实现技术的研究;第二章分析我国制造企业在质量问题管理领域存在的困惑,提出质量问题特征分类管理的需求。在对目前特征分类管理方法开展对比研究的基础上,构建了基于正交分类方法的制造过程的QP-DOC质量问题特征分类管理模型。通过质量问题特征分类管理模型的构建,为问题驱动的质量改进活动的开展奠定了基础;第三章在问题特征分类管理模型的基础上,提出了问题驱动的质量改进模型,讨论基于ExGQM的业务过程描述模型、结构化质量改进模式的功能模块规划及知识资源管理等内容。从而为问题驱动的质量改进的实现奠定了基础;第四章讨论了基于知识地图的质量改进案例知识整合方法。重点讨论了知识地图系统形式化描述、知识节点识别和描述、知识导航及知识节点检索向量构建等内容;第五章在对制造企业生产过程监控研究成果进行分析的基础上,提出基于质量指标之间误差传播关系的生产过程监控点配置决策方法,使监控点的配置更加符合企业的实际情况;第六章分析贝叶斯网络在质量问题诊断方面的优势及其存在的瓶颈,面向工序质量问题诊断的贝叶斯网络解构方法研究。重点讨论了案例的贝叶斯诊断网络模型的分解、模型库构建和基于子网模型的贝叶斯网络重构等内容,力图为面向工序质量问题诊断的贝叶斯网络模型的构建提供一个借鉴的思路和方法;第七章在前面研究的基础上,以轴承企业为对象,研究问题驱动的质量改进在制造企应用。重点讨论了生产过程监控网络平台的构建等内容;第八章总结了全文的研究内容及创新点,并展望了未来的研究工作。
李兴林[10]（2009）在《滚动轴承故障诊断技术现状及发展》文中研究表明本文简要概述了滚动轴承故障诊断技术现状,着重介绍了基于振动信号的信号处理方法,并预测了滚动轴承故障诊断技术的发展方向。
二、基于BP网络的滚动轴承剩余寿命多因素分析（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BP网络的滚动轴承剩余寿命多因素分析（论文提纲范文）
（1）基于张量模型与卷积神经网络的间接信号数据故障诊断方法研究（论文提纲范文）
| 致谢 |
| 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 基于向量序列和矩阵的信号处理方法研究 |
| 1.2.2 基于高维数据结构的信号处理方法研究 |
| 1.2.3 基于机器学习的故障诊断研究 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容安排 |
| 1.3.2 技术路线 |
| 1.4 本章小结 |
| 2 间接诊断信号的选取 |
| 2.1 滚动轴承结构及其失效形式 |
| 2.1.1 滚动轴承的基本结构组成 |
| 2.1.2 轴承失效形式和原因 |
| 2.1.3 实验装置介绍 |
| 2.1.4 实验方案介绍 |
| 2.1.5 数据集介绍及选择 |
| 2.2 故障特征总结与分析 |
| 2.3 基于张量Tucker分解的间接诊断信号数据选择分析 |
| 2.3.1 时频域分析 |
| 2.3.2 基于张量Tucker分解的隐性关系挖掘模型 |
| 2.3.3 基于张量Tucker分解的多因素影响程度分析 |
| 2.3.4 基于Tucker分解因子矩阵匹配的间接信号选择 |
| 2.4 本章小结 |
| 3 基于改进T-HOSVD分解的数据降维和降噪研究 |
| 3.1 常用时频分析方法的性能对比 |
| 3.1.1 功率谱分析 |
| 3.1.2 VMD分解 |
| 3.1.3 SVD分解 |
| 3.2 张量T-HOSVD分解的理论基础 |
| 3.3 L＿curve求取正则化参数 |
| 3.4 基于T-HOSVD和L-曲线的多维数据处理手段 |
| 3.4.1 算法优势 |
| 3.4.2 算法的基本流程 |
| 3.5 基于T-SVD和L曲线的多维数据降维降噪研究 |
| 3.5.1 直接振动信号的降噪及功率谱分析 |
| 3.5.2 间接信号的降噪及功率谱分析 |
| 3.6 本章小结 |
| 4 基于T-QR-HOOI的多分类器故障辨识研究 |
| 4.1 基于T-QR-HOOI的特征向量提取技术研究 |
| 4.1.1 T-QR-HOOI算法融合研究 |
| 4.1.2 特征向量提取技术研究 |
| 4.2 基于距离和各向张量因子权重的特征筛选研究 |
| 4.2.1 最大特征距离的运用与评估 |
| 4.2.2 核心张量的权重误差的运用与评估 |
| 4.2.3 特征筛选方法的应用 |
| 4.3 基于T-QR-HOOI特征向量和分类器的故障辨别研究 |
| 4.3.1 基于多信号融合特征向量的故障辨识研究 |
| 4.3.2 基于电流信号特征向量的故障辨识研究 |
| 4.3.3 基于间接信号特征向量的故障辨识研究 |
| 4.4 本章小结 |
| 5 基于小波时频图和多特征输入CNN的故障诊断研究 |
| 5.1 基于2D-CNN的故障诊断模型研究 |
| 5.1.1 2D-CNN输入图像的常用变换手段 |
| 5.1.2 时频图性能对比及评估 |
| 5.1.3 卷积神经网络结构分析及网络模型设置 |
| 5.1.4 基于Morlet小波时频图的2D-CNN故障诊断模型 |
| 5.2 间接信号多特征输入CNN的损伤分类检测算法 |
| 5.3 损伤分类结果及评价 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）基于聚类及神经网络的机床热误差研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 课题研究的意义 |
| 1.3 国内外研究现状 |
| 1.3.1 机床误差主要来源 |
| 1.3.2 传感器布置、测量、优化现状 |
| 1.3.3 机床热误差建模方法 |
| 1.3.4 目前主要存在的问题 |
| 1.4 学位论文主要内容 |
| 1.5 本章小结 |
| 2 总体研究方案及系统设计 |
| 2.1 机床热误差补偿研究总体方案 |
| 2.2 系统硬件选择与试验平台搭建 |
| 2.2.1 温度传感器选择 |
| 2.2.2 位移传感器选择 |
| 2.2.3 确定通信与数据保存方案 |
| 2.3 本章小结 |
| 3 机床变形机理及温度、位移测量实验 |
| 3.1 机床热变形机理研究-初选测温点 |
| 3.2 测温试验方案 |
| 3.3 实验方法及数据采集 |
| 3.4 本章小结 |
| 4 数据处理及测温点优化 |
| 4.1 数据清洗 |
| 4.1.1 检测数据是否符合正态分布 |
| 4.1.2 筛选数据异常值 |
| 4.1.3 缺失值处理 |
| 4.2 构建温度-位移矩阵 |
| 4.3 测温点优化 |
| 4.3.1 测温点优化方法 |
| 4.3.2 聚类求解过程: |
| 4.3.3 结合相关系数得到测温点优化结果 |
| 4.4 基于GAM的回归显着性检验 |
| 4.4.1 GAM分析 |
| 4.4.2 单解释变量分析 |
| 4.4.3 多因素GAM分析 |
| 4.5 本章小结 |
| 5 数据增强及热误差建模 |
| 5.1 数据集增强的目的 |
| 5.2 随机动态噪声法进行数据增强 |
| 5.3 基于BP神经网络的机床热误差建模研究 |
| 5.3.1 神经网络介绍 |
| 5.3.2 BP神经网络结构及计算方法 |
| 5.3.3 网络学习方法 |
| 5.4 构建机床温度-热误差网络 |
| 5.4.1 网络训练及预测 |
| 5.5 基于多特征融合的热误差建模研究 |
| 5.6 模型对比 |
| 5.7 热误差补偿软件实现 |
| 5.8 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及研究成果 |
| 致谢 |
（3）基于循环神经网络的轴承性能退化趋势预测方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 课题来源 |
| 1.3 国内外研究进展与现状 |
| 1.4 主要研究内容及论文结构 |
| 1.4.1 主要研究内容 |
| 1.4.2 论文结构安排 |
| 第二章 基于循环神经网络的预测方法 |
| 2.1 循环神经网络概述 |
| 2.1.1 神经网络方法概述 |
| 2.1.2 循环神经网络方法概述 |
| 2.2 轴承退化趋势特征提取 |
| 2.2.1 时域特征提取 |
| 2.2.2 频域特征提取 |
| 2.2.3 时频域特征提取 |
| 2.3 基于单特征参数的循环神经网络趋势预测 |
| 2.3.1 单特征参数样本对构建 |
| 2.3.2 实验验证 |
| 2.4 本章小结 |
| 第三章 基于瓶颈特征与LSTM网络的预测方法 |
| 3.1 LSTM网络概述 |
| 3.1.1 循环神经网络存在的问题 |
| 3.1.2 LSTM网络原理 |
| 3.2 基于SAE网络的瓶颈特征提取 |
| 3.2.1 SAE网络概述 |
| 3.2.2 瓶颈特征提取 |
| 3.3 基于瓶颈特征与LSTM网络的单步预测 |
| 3.3.1 单步预测方法概述 |
| 3.3.2 实验验证 |
| 3.4 基于瓶颈特征与LSTM网络的多步预测 |
| 3.4.1 多步预测方法概述 |
| 3.4.2 实验验证 |
| 3.5 本章小结 |
| 第四章 基于多尺度瓶颈特征与双向LSTM网络的预测方法 |
| 4.1 双向LSTM网络概述 |
| 4.2 小波多尺度分解概述 |
| 4.2.1 小波变换基本原理 |
| 4.2.2 小波多尺度分解概述 |
| 4.3 基于小波多尺度分解的瓶颈特征提取方法 |
| 4.3.1 小波函数的选取 |
| 4.3.2 小波分解层数的选取 |
| 4.3.3 多尺度瓶颈特征提取 |
| 4.4 多尺度瓶颈特征与双向LSTM网络在退化趋势预测中的应用 |
| 4.4.1 实验验证一 |
| 4.4.2 实验验证二 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 已发表的学术论文 |
| 作者和导师简介 |
| 硕士研究生学位论文答辩委员会决议书 |
（4）基于群体智能的中医辨证诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及论文结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文总体结构 |
| 2 中医中风与及智能诊断方法 |
| 2.1 中医中风的认知 |
| 2.2 中医智能诊断方法 |
| 2.3 群体智能诊断算法 |
| 2.3.1 群体智能算法的特点 |
| 2.3.2 群体智能算法的计算模式 |
| 2.3.3 遗传算法 |
| 2.3.4 差异演化算法 |
| 2.3.5 粒子群优化算法 |
| 2.3.6 人工蜂群算法 |
| 2.4 智能诊断方法选择 |
| 2.4.1 中医辨证论治的特点 |
| 2.4.2 模糊神经网络的选择 |
| 2.4.3 人工蜂群算法的选择 |
| 2.5 本章小结 |
| 3 改进的人工蜂群算法 |
| 3.1 人工蜂群算法的不足 |
| 3.2 人工蜂群算法的改进原理 |
| 3.2.1 基于佳点集理论的种群初始化改进 |
| 3.2.2 基于逆向贪婪选择的搜索策略改进 |
| 3.2.3 基于信息交互的搜索行为的改进 |
| 3.2.4 基于改进后的CS-ABC算法的操作流程 |
| 3.3 算法性能仿真分析 |
| 3.3.1 测试函数的选择及参数设置 |
| 3.3.2 算法的进化性能分析 |
| 3.3.3 算法鲁棒性分析 |
| 3.4 本章小结 |
| 4 中医辨证诊断的智能化研究 |
| 4.1 数据准备 |
| 4.1.1 中风病临床数据的入选标准 |
| 4.1.2 中风病临床数据的预处理 |
| 4.1.3 数据降维 |
| 4.2 模糊神经网络中医中风病诊断模型的建立 |
| 4.2.1 模糊神经网络的构建 |
| 4.2.2 网络参数的设置 |
| 4.2.3 基于CS-ABC优化的BP神经网络中医中风病诊断 |
| 4.3 结果与分析 |
| 4.4 本章小结 |
| 5 中医辨证分型辅助诊断(学习)系统 |
| 5.1 中医辨证分型辅助诊断(学习)系统开发的目的 |
| 5.2 辨证分型诊断(学习)系统的构架 |
| 5.3 系统开发流程及设计 |
| 5.3.1 数据库的管理 |
| 5.3.2 动态web的实现 |
| 5.3.3 开发语言的选择 |
| 5.3.4 数据库访问技术 |
| 5.4 系统的功能的实现 |
| 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 |
（5）悬臂式掘进机截割过程位姿响应与截割臂摆速控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 问题的提出 |
| 1.3 研究目标及研究意义 |
| 1.3.1 研究目标 |
| 1.3.2 研究意义 |
| 1.4 文献综述 |
| 1.4.1 悬臂式掘进机整机位姿动力学响应研究现状 |
| 1.4.2 悬臂式掘进机截割臂动力学响应研究现状 |
| 1.4.3 悬臂式掘进机截割臂摆速控制研究现状 |
| 1.4.4 研究现状总结 |
| 1.5 研究内容及技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 技术路线 |
| 1.6 本章小结 |
| 2 悬臂式掘进机截割过程位姿变化现象及影响因素 |
| 2.1 悬臂式掘进机工况特点及位姿变化现象 |
| 2.1.1 悬臂式掘进机工况特点 |
| 2.1.2 悬臂式掘进机位姿变化现象 |
| 2.2 悬臂式掘进机截割过程位姿变化影响因素 |
| 2.2.1 截割载荷影响机理 |
| 2.2.2 截割臂摆角影响机理 |
| 2.2.3 煤层倾角影响机理 |
| 2.3 截割载荷离散化计算方法 |
| 2.3.1 截割载荷水平方向分力计算方法 |
| 2.3.2 截割载荷竖直方向分力计算方法 |
| 2.3.3 截割载荷垂直于煤壁方向分力计算方法 |
| 2.3.4 截割载荷计算结果 |
| 2.4 本章小结 |
| 3 悬臂式掘进机截割过程位姿动力学耦合模型 |
| 3.1 悬臂式掘进机截割过程整机力学模型 |
| 3.2 Lagrange方程及悬臂式掘进机截割过程系统能量计算 |
| 3.2.1 Lagrange方程及其变形 |
| 3.2.2 系统的动能 |
| 3.2.3 系统的势能 |
| 3.2.4 系统的耗散能 |
| 3.3 横向截割过程位姿动力学耦合模型 |
| 3.3.1 整机位移动力学模型 |
| 3.3.2 整机姿态动力学模型 |
| 3.4 纵向截割过程位姿动力学耦合模型 |
| 3.4.1 整机位移动力学模型 |
| 3.4.2 整机姿态动力学模型 |
| 3.5 本章小结 |
| 4 悬臂式掘进机截割过程位姿响应规律 |
| 4.1 掘进机位姿动力学耦合模型仿真求解 |
| 4.1.1 Simulink简介 |
| 4.1.2 基于Simulink的动力学耦合模型求解仿真系统 |
| 4.1.3 仿真原始参数确定 |
| 4.2 横向截割过程位姿响应规律 |
| 4.2.1 多因素影响下整机位移响应规律 |
| 4.2.2 多因素影响下整机姿态变化规律 |
| 4.3 纵向截割过程位姿响应规律 |
| 4.3.1 多因素影响下整机位移变化规律 |
| 4.3.2 多因素影响下整机姿态变化规律 |
| 4.4 大倾角煤层掘进机截割过程位姿响应规律 |
| 4.4.1 横向截割过程位姿响应规律 |
| 4.4.2 纵向截割过程位姿响应规律 |
| 4.5 本章小结 |
| 5 悬臂式掘进机截割过程截割臂径向跳动分析 |
| 5.1 截割臂径向跳动现象及影响因素 |
| 5.1.1 截割臂径向跳动现象 |
| 5.1.2 截割臂径向跳动影响因素 |
| 5.2 截割臂径向跳动动力学模型 |
| 5.2.1 水平方向截割臂径向跳动动力学模型 |
| 5.2.2 垂直方向截割臂径向跳动动力学模型 |
| 5.3 截割臂径向跳动规律 |
| 5.3.1 Simulink仿真模型及仿真原始参数 |
| 5.3.2 水平方向截割臂径向跳动规律 |
| 5.3.3 垂直方向截割臂径向跳动规律 |
| 5.4 截割臂径向跳动规律的实验验证 |
| 5.4.1 实验方案 |
| 5.4.2 水平方向截割臂径向跳动规律的实验验证 |
| 5.4.3 垂直方向截割臂径向跳动规律的实验验证 |
| 5.5 本章小结 |
| 6 悬臂式掘进机截割臂摆速控制方法 |
| 6.1 截割臂摆速控制策略 |
| 6.1.1 截割载荷变化判定策略 |
| 6.1.2 截割臂摆速控制方案 |
| 6.2 BP神经网络设计与训练样本获取 |
| 6.2.1 BP神经网络的基本原理 |
| 6.2.2 BP神经网络的设计 |
| 6.2.3 BP神经网络训练样本的获取 |
| 6.3 基于遗传算法优化的BP神经网络 |
| 6.3.1 GA-BP神经网络的基本原理 |
| 6.3.2 BP神经网络的优化 |
| 6.3.3 BP神经网络和GA-BP神经网络的性能对比 |
| 6.4 截割臂摆速控制仿真分析 |
| 6.4.1 基于Simulink的仿真控制系统 |
| 6.4.2 截割臂摆速控制仿真分析 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 课题创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）天然气集输系统能效综合评价技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外现状 |
| 1.2.1 国内外综合评价方法研究概况 |
| 1.2.2 综合评价方法在集输系统中的应用研究概况 |
| 1.2.3 问题分析与发展趋势 |
| 1.3 研究目标与主要研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 主要研究内容 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 论文研究技术路线 |
| 1.5 可行性分析与创新点 |
| 1.5.1 可行性分析 |
| 1.5.2 创新点 |
| 第2章 天然气集输系统能效综合评价指标体系建立 |
| 2.1 构建天然气集输系统能效综合评价指标体系的原则 |
| 2.2 影响天然气集输系统用能评价的主要因素 |
| 2.2.1 井场系统 |
| 2.2.2 增压系统 |
| 2.2.3 脱水系统 |
| 2.2.4 脱硫系统 |
| 2.2.5 轻烃回收系统 |
| 2.2.6 集输管网系统 |
| 2.2.7 气田水回注站系统 |
| 2.3 综合评价指标的选取 |
| 2.3.1 天然气集输系统能效综合评价体系的层次结构 |
| 2.3.2 天然气集输系统能效综合评价体系的建立 |
| 2.4 本章小结 |
| 第3章 脱水系统能效影响因素分析及关键参数选取 |
| 3.1 三甘醇脱水工艺流程 |
| 3.2 三甘醇脱水装置能耗模拟模型的建立 |
| 3.3 三甘醇脱水装置运行参数与能耗的定量分析 |
| 3.3.1 吸收塔的工艺条件的影响 |
| 3.3.2 重沸器的工艺条件的影响 |
| 3.3.3 汽提气量的影响 |
| 3.3.4 TEG循环量的影响 |
| 3.3.5 其他影响因素范围确定 |
| 3.4 关键参数范围确定 |
| 3.5 本章小结 |
| 第4章 增压系统能效影响因素分析及关键参数选取 |
| 4.1 增压工艺流程 |
| 4.2 往复式压缩机变工况热力复算方法 |
| 4.3 往复式压缩机变工况能耗影响因素定量分析 |
| 4.3.1 一级吸气压力的影响 |
| 4.3.2 末级排气压力的影响 |
| 4.3.3 一级吸气温度的影响 |
| 4.3.4 其他影响因素范围确定 |
| 4.4 关键参数范围确定 |
| 4.5 本章小结 |
| 第5章 脱硫系统能效影响因素分析及关键参数选取 |
| 5.1 醇胺法脱硫工艺流程 |
| 5.2 脱硫装置能耗模拟模型的建立 |
| 5.3 脱硫装置运行参数与能耗的定量分析 |
| 5.3.1 原料气入口气体温度的影响 |
| 5.3.2 吸收塔压力的影响 |
| 5.3.3 醇胺贫液温度的影响 |
| 5.3.4 醇胺循环量的影响 |
| 5.3.5 醇胺溶液浓度的影响 |
| 5.4 关键参数影响范围 |
| 5.5 本章小结 |
| 第6章 天然气集输系统能效综合评价技术研究 |
| 6.1 选取粗糙集和支持向量机的主要依据 |
| 6.1.1 智能化综合评价方法简述 |
| 6.1.2 方法对比 |
| 6.1.3 方法优选 |
| 6.2 天然气集输系统能效综合评价算法研究 |
| 6.2.1 粗糙集数据处理 |
| 6.2.2 模糊隶属函数 |
| 6.2.3 线性加权法 |
| 6.3 天然气集输系统能效预测算法研究 |
| 6.3.1 交叉验证 |
| 6.3.2 遗传法参数寻优 |
| 6.3.3 MATLAB机器学习 |
| 6.3.4 支持向量机理论与算法 |
| 6.4 本章小结 |
| 第7章 实例应用 |
| 7.1 X气矿简介 |
| 7.1.1 地理地貌 |
| 7.1.2 管网流程 |
| 7.1.3 X气矿能源消耗结构 |
| 7.1.4 能源消耗分布情况 |
| 7.2 X气矿集输系统能效综合评价 |
| 7.2.1 RS数据处理 |
| 7.2.2 X气矿集输系统能效综合评价 |
| 7.3 X气矿集输系统能效预测 |
| 7.3.1 建立回归预测模型 |
| 7.3.2 选取最优模型 |
| 7.4 X气矿集输系统节能降耗措施研究 |
| 7.5 本章小结 |
| 第8章 结论及建议 |
| 8.1 结论 |
| 8.2 建议 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
| 附录 |
| 附录 1 |
| 附录 2 |
| 附录 3 |
（7）基于变分模态分解的神经网络心电信号预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 背景 |
| 1.2 目的及意义 |
| 1.3 研究现状 |
| 1.4 本文主要内容及组织结构 |
| 2 用于预测的BP神经网络介绍 |
| 2.1 人工神经网络基本理论 |
| 2.1.1 人工神经网络的定义及基本原理 |
| 2.1.2 人工神经网络的数学模型 |
| 2.1.3 人工神经网络的分类 |
| 2.1.4 人工神经网络的特点及应用范围 |
| 2.2 BP神经网络简介 |
| 2.2.1 BP神经网络的模型结构 |
| 2.2.2 BP神经网络算法的总体实现过程 |
| 2.2.3 BP神经网络算法的学习过程 |
| 2.2.4 BP神经网络的优缺点 |
| 2.3 基于BP神经网络的预测算法介绍 |
| 2.3.1 基本算法 |
| 2.3.2 确定输入层节点的改进算法 |
| 2.4 小结 |
| 3 VMD技术介绍 |
| 3.1 VMD技术概述 |
| 3.1.1 VMD技术的定义 |
| 3.1.2 VMD技术的发展历史 |
| 3.1.3 VMD技术的应用 |
| 3.2 VMD技术的基本原理 |
| 3.2.1 VMD算法原理及执行步骤 |
| 3.2.2 信号处理方法 |
| 3.2.3 运用实例 |
| 3.3 小结 |
| 4 基于VMD的BP神经网络预测算法 |
| 4.1 BP神经网络算法的优点及缺陷分析 |
| 4.2 改进方法 |
| 4.3 基于VMD的BP神经网络预测算法 |
| 4.3.1 算法模型与流程图 |
| 4.3.2 仿真信号介绍 |
| 4.3.3 仿真与结果分析 |
| 4.3.4 数据分析与算法总结 |
| 4.4 小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 进一步的研究与展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）滚动轴承故障监测诊断技术应用进展（论文提纲范文）
| 1 前 言 |
| 2 滚动轴承故障监测和故障诊断技术 |
| 3 滚动轴承故障监测和故障诊断技术分类 |
| 3.1 振动信号基的故障监测和诊断技术[7-8] |
| (1) 低频分析法和幅值参数指标分析法 |
| (2) 平稳信号的监测和诊断技术 |
| (3) 循环平稳信号的监测和诊断技术[9] |
| (4) 非平稳信号的监测和诊断技术 |
| 3.2 油液基的故障监测和诊断技术[10-14] |
| 3.3 温度基的故障监测和诊断技术 |
| 3.4 声学基的故障监测和诊断技术 |
| 3.5 油膜电阻基的故障监测和诊断技术 |
| 3.6 光纤基的故障监测和诊断技术 |
| 3.7 综合故障监测和诊断系统 |
| 4 滚动轴承故障诊断技术发展趋势 |
（9）问题驱动的制造企业质量改进技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外制造过程质量技术研究进展 |
| 1.2.1 国内外质量持续改进模型研究进展 |
| 1.2.2 质量诊断方法的研究进展 |
| 1.2.3 质量信息管理系统研究评述 |
| 1.2.4 生产过程质量监控研究进展 |
| 1.2.5 小结 |
| 1.3 本文的主要研究内容 |
| 1.4 本章小结 |
| 第二章 制造企业的质量问题特征分析及描述 |
| 2.1 引言 |
| 2.2 特征分类管理体系的比较研究 |
| 2.3 基于QP-ODC的质量问题特征分类整理模型 |
| 2.3.1 质量问题发现类特征 |
| 2.3.2 质量问题影响描述类特征 |
| 2.3.3 质量问题溯源/定位类信息描述特征 |
| 2.3.4 质量问题的分析/求解类特征 |
| 2.3.5 质量问题的其它辅助特征 |
| 2.4 本章小结 |
| 第三章 问题驱动的质量改进模型研究 |
| 3.1 引言 |
| 3.2 问题驱动的质量改进概念模型 |
| 3.2.1 问题管理及其相关定义 |
| 3.2.2 问题驱动的质量改进模型 |
| 3.3 基于ExGQM的业务过程描述模型 |
| 3.4 结构化质量改进模式 |
| 3.4.1 质量事件管理模块QIMS |
| 3.4.2 质量问题管理模块QPMS |
| 3.4.3 过程质量改讲模块PQIS |
| 3.4.4 质量改进模型中辅助管理模块分析 |
| 3.5 质量改进中的知识资源分析 |
| 3.6 本章小结 |
| 第四章 面向质量改进的知识地图构建与实现研究 |
| 4.1 引言 |
| 4.2 知识地图及其在案例知识管理中的应用 |
| 4.2.1 知识地图的概念和内涵 |
| 4.2.2 知识地图构建模型 |
| 4.3 知识地图系统的形式化描述 |
| 4.4 知识节点识别和分类管理 |
| 4.4.1 质量改进案例内部知识节点及其关联关系分析 |
| 4.4.2 知识节点分类管理 |
| 4.5 知识节点检索算法研究 |
| 4.5.1 相似元基本原理 |
| 4.5.2 基于相似元的知识节点检索向量构建 |
| 4.5.3 知识节点检索算法应用案例 |
| 4.6 本章小结 |
| 第五章 多工序制造过程的质量监控策略研究 |
| 5.1 引言 |
| 5.2 多工序质量指标之间的误差传播关系及其收益分析 |
| 5.3 基于动态规划的质量监控点配置模型构建 |
| 5.3.1 动态规划模型 |
| 5.3.2 决策阶段、决策变量的定义和决策路径分析 |
| 5.3.3 阶段函数构建 |
| 5.4 应用案例 |
| 5.5 本章小结 |
| 第六章 面向工序质量问题诊断的贝叶斯网络解构方法研究 |
| 6.1 引言 |
| 6.2 贝叶斯诊断网络及其分解 |
| 6.2.1 贝叶斯诊断网络定义及其特点 |
| 6.2.2 基于d-割集的贝叶斯诊断网模型分解思想 |
| 6.3 质量问题贝叶斯网络模型构建研究 |
| 6.3.1 贝叶斯网络模型构建流程分析 |
| 6.3.2 基于SBN子网模型的质量问题贝叶斯网络模型构建 |
| 6.4 应用案例 |
| 6.5 本章小结 |
| 第七章 面向轴承套圈生产过程的质量改进系统应用研究 |
| 7.1 引言 |
| 7.2 轴承磨削生产过程监控网络构建及实现 |
| 7.2.1 生产过程监控网络总体构架分析 |
| 7.2.2 基于双层现场总线网络的现场监控网络 |
| 7.2.3 生产过程监控网络与质量改进系统软件的通讯接口 |
| 7.4 问题驱动的质量改进系统软件 |
| 7.5 应用案例 |
| 7.5.1 基于知识导航的质量改进流程 |
| 7.5.2 知识资源整合与维护 |
| 7.6 本章小结 |
| 第八章 结论与展望 |
| 8.1 研究总结 |
| 8.2 展望 |
| 参考文献 |
| 作者攻读博士学位期间主要的研究成果 |
四、基于BP网络的滚动轴承剩余寿命多因素分析（论文参考文献）
- [1]基于张量模型与卷积神经网络的间接信号数据故障诊断方法研究[D]. 孙传凯. 北京交通大学, 2021
- [2]基于聚类及神经网络的机床热误差研究[D]. 李焕昭. 郑州大学, 2020(02)
- [3]基于循环神经网络的轴承性能退化趋势预测方法研究[D]. 周佑光. 北京化工大学, 2019(06)
- [4]基于群体智能的中医辨证诊断研究[D]. 杨佳澄. 兰州交通大学, 2019(03)
- [5]悬臂式掘进机截割过程位姿响应与截割臂摆速控制研究[D]. 宗凯. 中国矿业大学(北京), 2019(09)
- [6]天然气集输系统能效综合评价技术研究[D]. 唐霏. 西南石油大学, 2018(07)
- [7]基于变分模态分解的神经网络心电信号预测方法研究[D]. 雷莹. 辽宁师范大学, 2017(04)
- [8]滚动轴承故障监测诊断技术应用进展[J]. 李兴林,张仰平,曹茂来,张燕辽,陆水根,李建平. 工程与试验, 2009(04)
- [9]问题驱动的制造企业质量改进技术研究[D]. 王兆卫. 浙江大学, 2010(01)
- [10]滚动轴承故障诊断技术现状及发展[A]. 李兴林. 2009年全国青年摩擦学学术会议论文集, 2009