一、直流电机换向火花图像监测与客观评价方法的应用（论文文献综述）
陈子文[1]（2021）在《煤矿井下履带式移动机器人运动控制技术研究》文中提出随着人工智能技术的发展,机器人在各个行业的应用也越来越广泛,特别是煤炭类高危行业,煤矿行业智能化是必然的发展趋势,煤矿智能化作为国家重点关注的行业向导,煤矿机器人的发展程度充分代表着煤矿行业智能化水平。井下地形错综复杂,履带式移动机构作为煤矿中重要的运输载体,必须具有出色的运动控制性能,并以此为基础才能进一步实现井下履带式移动机器人自主行走的功能。为此,本文对煤矿井下履带式移动机器人的运动控制系统展开研究,设计了一种控制精度高、鲁棒性好的运动控制系统,并通过现场试验进行验证。具体研究内容如下:针对煤矿井下环境特点进行分析,确定了对移动机器人的运动控制系统的性能要求,基于CUMT-V型机器人的运动控制系统进行了改造。将硬件架构分为控制层、通信层、感知层、底层控制层和驱动层五大部分,并分别对各部分的硬件进行选型与分析,通过分析机器人爬坡和原地旋转的两种行驶工况,完成了电机选型,完成了对机器人行驶机构的改造。基于机器人操作系统（Robot Operating System,ROS）的框架,软件架构分为坐标变换节点、同时定位与建图节点（Simultaneous Localization and Mapping,SLAM）,路径规划节点、轨迹跟踪节点以及底盘驱动节点五大部分,并对各部分的实现功能进行了设计。对差速移动机器人轨迹跟踪技术的研究。建立了履带式移动机器人的运动学模型,并对轨迹跟踪控制相关原理进行了分析,基于运动学模型及航迹推算原理完成了对机器人的里程计算模块的设计,采用滑动窗口的思想完成了对转速反馈模块的设计。对机器人轨迹跟踪问题进行数学描述,设计一种基于模型预测控制原理机器人的轨迹跟踪控制器。通过ROS的Stage平台进行仿真试验,试验结果表明,基本实现了轨迹跟踪的功能,且其跟踪精度在0.05 m以内,证明了本文设计的控制器的有效性。对无刷直流电机控制技术的研究。分析了无刷直流电机的结构及工作原理,建立了无刷直流电机的数学模型,对PID控制原理、BP神经网络原理及粒子群算法原理（Particle swarm optimization,PSO）进行阐述,采用BP神经网络及粒子群算法对PID的控制参数进行了优化设计,对PID、BP-PID以及PSO-BP-PID三种控制算法在MATLAB中进行仿真试验,仿真试验表明PSO-BP-PID控制算法性能更好,并基于PSO-BP-PID控制算法设计了电机双闭环控制系统。在Simulink平台中对常规的双闭环控制系统及基于PSO-BP-PID的双闭环控制系统的进行了仿真试验,仿真结果表明后者在转速和转矩的响应速度更快。最后将该控制系统成功移植到了STM32F4系列开发板,使用CUMT-V改进型机器人进行了现场试验,试验结果表明本文所设计的电机控制系统可迅速响应并达到稳定状态,具备良好的动态及稳态性能。为验证本文所设计的运动控制系统的有效性,使用CUMT-V改进型机器人分别在地下车库及模拟巷道两个环境进行现场试验。通过对比了DWA算法、TEB算法及本文的MPC轨迹跟踪控制算法在现场试验的跟踪效果及跟踪误差,试验结果表明,在地下车库的理想环境下,本文的运动控制系统性能与TEB算法的性能接近,DWA算法效果最差。在模拟巷道的环境下,本文设计的运动控制算法的效果最好,基本满足煤矿井下的应用要求。最后将本文设计的运用控制算法成功应用到煤矿井下钻孔机器人上,并进行了现场试验,其运动控制误差远小于要求的0.05 m误差范围,满足了工程应用要求。本论文有图99幅,表13个,参考文献123篇。
李炳耀[2]（2020）在《基于机器视觉导航与避障的智能护理轮椅床系统研究》文中研究表明目前社会老龄化程度在不断加剧,与此同时科学技术也在不断进步,为此市场上逐步出现了兼备护理功能和行驶功能的多功能电动轮椅床,该类产品不仅可以帮助用户进行康复训练,还可以扩大用户的活动范围。针对目前电动轮椅床在轮椅状态下存在的体积较大导致驾驶较为困难的问题,提出一种基于机器视觉导航与避障的智能护理轮椅床系统,旨在降低轮椅床的驾驶难度,提高轮椅床的安全性和适用性。本文首先根据目前市场需求,完成了轮椅床视觉导航与避障系统的软硬件设计。运用深度学习图像处理技术进行轮椅床的可行驶区域分割,提出ISBSNet语义分割网络,采用两步反卷积上采样替代Bi Se Net中的单步插值上采样,并在室内场景数据集上进行模型训练。通过分析相机的成像模型和标定算法并对比多种单目视觉测距方法,采用基于地平面约束的几何关系法对障碍物的位置进行测量。提出结合Smooth A*算法和动态窗口法的轮椅床路径规划算法。Smooth A*算法增加了衰减型方向代价,可以规划出更为平滑、大角度转弯更少的全局最优路径;动态窗口法根据环境的动态变化并考虑轮椅床的外形尺寸和运动学特性进行实时局部路径规划,从而保证轮椅床从起始位置平稳、无碰撞地行驶至目标位置。最后,将本文提出的视觉导航与避障系统部署于多功能护理轮椅床样机中,并用实验验证本文所提出的各个算法和检验系统的导航与避障的正确性。实验结果表明,改进的语义分割网络类平均像素分割精度可达90.02%、MIo U可达78.2%,分割速度可达53fps;单目视觉测距技术纵向距离测量误差在3%以内,横向距离测量误差在5%以内;结合了Smooth A*算法和动态窗口法的路径规划算法适用于轮椅床的导航与避障任务,能够规划出平稳、舒适的路径,整个系统满足任务需求,具有一定的推广性。
吴瑞祥[3]（2020）在《基于两阶段学习模型的列车轴承道旁声学故障诊断方法研究》文中研究表明铁路作为重要的交通运输方式之一,由于其运行成本低、运载量大,因此在货运、客运中承担着重要角色。而列车轴承作为列车的关键部件,其健康状况对列车的正常运行和乘客的生命安全有着重大的影响。道旁声学监测系统具有成本低、非接触式测量以及能够发现早期故障等优点,具有良好的应用前景。近年来,人工智能与机器学习得到了快速发展并已成功运用于故障诊断领域。本文考虑到列车轴承道旁声学信号特有的多普勒畸变特性,基于机器学习中的安全域（Safety Region,SR）、反向传播神经网络（Back Propagation Neural Network,BPNN）和零次学习（Zero-Shot Learning,ZSL）,研究了一种两阶段学习模型,具体研究内容如下:（1）提出了一种基于SR和BPNN的两阶段学习模型,该方法无需多普勒矫正,并且可以解决故障样本不充分的问题。在应用初期故障样本集缺乏的情况下,仅利用健康样本建立SR模型。当不同故障类型样本集积累充分之后,利用BPNN建立更加精确的诊断模型。在学习模型建立时,直接构建信号统计特征、车速与诊断结果之间的函数关系。首先,介绍了SR与BPNN的基本理论;其次,分析了多普勒效应及其对学习模型建立的影响;然后,提出了基于SR和BPNN的两阶段学习模型;最后,通过仿真和实验对比分析验证了所提方法的有效性。（2）针对初始应用阶段复合故障样本较少的问题,研究了一种基于零次学习的列车轴承复合故障识别方法。该方法可以在缺乏复合故障样本前提下,通过二值属性搭建从单一故障到复合故障之间的信息桥梁,利用已有的单一故障样本建立的属性分类器实现对复合故障的识别。首先,介绍了属性学习和二值属性学习的基本理论;其次,详细阐述了基于二值属性的属性分类器;然后,提出了基于零次学习的列车轴承复合故障识别方法;最后,通过实验信号分析验证了所提出方法的有效性。
赖云波[4]（2019）在《面向海洋牧场的水下机器人研究与设计》文中提出随着人类对海洋开发的步伐不断加快,海洋牧场网箱养殖已经代替了传统的网箱养殖,以多功能小型水下机器人打造的海洋牧场网箱养殖管理系统,可实现一体化软件和硬件设备的有效集成,形成强大的分析报告,减少人为的工作错误,开展水下机器人的研究对海洋牧场的建设具有重大作用。本文针对目前水下机器人中存在的普遍问题,重点开展了面向海洋牧场网箱养鱼的水下机器人系统研究,明确了本文的研究意义。首先,本文确定了系统的总体方案,以开架式的形体结构作为水下机器人的外架,建立参考坐标系和运动坐标系,运用四元素来描述水下机器人的运动姿态,并设计了水下机器人混合式的体系结构。其次,本文对系统硬件部分进行了选型和电路设计,并且在硬件电路的基础上,分别对各模块进行了软件设计,同时采用Qt设计了水下机器人操纵监控系统上位机,并给出了前面板的介绍和相关通信协议。再次,本文研究了水下机器人姿态融合和运动控制算法,运用了一种基于互补滤波和Mahony滤波的融合算法对水下机器人的运动姿态进行解算,分别运用了单环PID算法、串级双环PID算法对水下机器人进行定深和姿态控制,并且进行了Matlab仿真实验,为水下机器人的运动控制提供了理论依据。最后,本文对水下机器人进行了测试实验,先对部分模块进行测试,然后对整个系统进行水下测试,实验表明上位机可以操纵水下机器人完成水下运动,并将水下信息传送到上位机,基本满足了设计要求。
周菲鑫[5]（2019）在《煤矿井下电机车无人驾驶测控系统研究》文中指出电机车作为煤矿井下开采工作的重要一环,担负着煤矿运输的重要任务,对煤矿生产效率有重要影响。针对煤矿井下环境状况,为减少人员伤亡率和降低运输成本,提高煤矿生产效率,本文研究了煤矿井下电机车无人驾驶测控系统。本文结合煤矿井下实际运输环境,给出无人驾驶测控系统的总体结构,并介绍和分析了电机车无人驾驶关键技术。分析了测控系统的功能需求,概述了电机车必备的四大模块:电机车定位模块、障碍物检测模块、环境检测模块和运动控制模块;完成了测控系统的总体方案设计。对电机车主控电路、定位模块硬件电路、避障模块硬件电路、环境检测模块硬件电路和运动控制模块硬件电路进行详细的设计。本文设计了基于接收信号强度的煤矿井下电机车无线定位算法,通过高斯滤波和加权平均处理对无线定位算法进行优化,设计了卡尔曼滤波器将ZigBee无线定位与惯性定位进行融合,实现组合定位,精确检测出电机车的位置。根据设计的避障模块获取电机车前方和两侧障碍物信息,实现电机车自主避障功能;并针对测距传感器进行了性能测试。根据设计环境检测模块检测的环境信息判断电机车运行环境是否安全。在运动控制模块中对电机车的运动进行建模并设计了运动指令和运动状态;针对运动状态设计速度PID控制器,采用增量PID控制原理实现电机车车轮速度的调节。对电机车定位模块和运动控制模块进行实验,实验结果表明:定位模块能够实现电机车精准定位,电机车在行驶100m时的平均定位误差在0.58m左右,运动控制模块能够实现电机车平稳运行,满足行驶要求。图[58]表[8]参[61]
段婷[6]（2018）在《苜蓿播种机漏播报警系统的设计与研究》文中研究表明随着我国畜牧业快速发展,草畜矛盾成为妨碍畜牧业可持续发展的重要因素。苜蓿因其产量高、草质好且各种畜禽均喜食,成为广泛种植的牧草之一。人工撒播苜蓿种子作业效率低,播量不易控制而且不均匀,因此,各种苜蓿播种机应运而生。但播种机在执行播种工作时经常会出现种箱内种子排空,输种管有杂物淤塞和排种器故障等问题,而出现漏播现象。为解决这个问题,有必要设计一款漏播报警系统。在研究国内外各类播种机排种检测技术的基础上,设计了一套安装在苜蓿播种机上的具有漏播补偿功能的漏播报警系统。本系统使用了目前较为先进的压电检测技术,选用STC89C52单片机作为智能控制核心,对苜蓿播种机播种作业过程的中可能发生的漏播进行实时监测与报警显示,当检测到出现漏播情况时,漏播报警系统装置发出声光报警信号,同时自动驱动漏播补偿系统开始补种。本文主要完成以下几个方面的工作:首先设计了苜蓿播种机漏播报警系统的整体方案;其次,对漏播报警系统的硬件、软件分别进行具体分析和设计;三是进行调试,根据实际情况,确定阈值电压;最后对漏播报警系统进行抗干扰设计,使苜蓿播种机漏播报警系统运行的可靠性和稳定性得到较大的提高。对漏播报警系统硬件的具体设计,主要是进行压力传感器模块、单片机控制模块、数码管显示模块和声光报警模块的设计。具体设计过程包括元器件选型和电路设计。苜蓿播种机漏播补偿系统的设计,是在漏播补偿原理的研究基础上,对漏播补偿系统驱动控制的设计与研究。利用C语言对系统软件进行模块化设计,本漏播监测系统软件主要有主程序、信息采集子程序、显示子程序、报警子程序和漏播补偿子程序等。本设计能实现当系统检查到没有种子或出现漏播情况时,LED灯亮,蜂鸣器响,发出漏播警报并及时补偿。
张永军[7]（2017）在《基于机器视觉的智能移动系统设计及避障导航算法研究》文中研究表明随着现代科技的快速发展,智能移动系统应用日益广泛。智能移动系统是指在没有人为控制的情况下,能够通过自身携带的传感器感知自身所处环境,躲避障碍物并完成自主导航的系统。它可以有效的完成高危险、高强度的作业任务,节约工业生产成本,提高劳动生产效率。避障和导航作为其中的研究热点,是系统稳定性和安全性的基础,因此对避障和导航的研究具有重要的实际应用价值。本论文针对目前工业AGV（Automated Guided Vehicle,AGV）智能移动系统造价昂贵、工作柔性差的缺点,设计基于机器视觉的智能移动系统,重点研究视觉避障导航的关键——道路图像处理算法和避障导航控制算法,对常用算法存在的不足进行改进,并模拟生产环境,验证改进算法的有效性。本论文的主要研究内容包括:（1）针对目前AGV智能移动系统避障导航采用电磁轨道、激光和雷达等造价昂贵、工作柔性差的缺点,本文研究提出基于机器视觉的智能移动系统总体设计方案,建立系统数学模型,并对导航和避障技术进行深入的研究。（2）研究并完成系统硬件电路详细设计。研究系统硬件电路功能需求和各个硬件模块的性能要求,对各个功能模块进行选型分析,提出包括电源供电模块、图像采集模块、电机驱动模块、舵机控制模块、无线通讯模块等的详细设计方案。（3）基于机器视觉的避障导航算法研究与改进。深入研究智能移动系统导航线边缘检测技术、障碍物检测技术和避障导航技术,针对设计需求提出改进方案。改进包括:1.对道路图像进行预处理;2.结合Canny算法在导航线边缘检测阶段针对传统蚁群算法效率低的缺点对其进行改进;3.在障碍物检测阶段针对现有双目视觉算法计算量大的缺点,提出适用于障碍物检测的积分投影与区域生长算法,结合机器学习算法进行实时定位,从而提高障碍物检测效率;4.针对现有避障导航策略过于复杂的缺点,设计导航模糊控制器和避障PID控制器实现系统快速、精确避障导航。（4）根据硬件和软件设计搭建出智能移动系统,对系统硬件模块和改进算法进行测试与分析。先对系统硬件各模块进行测试,再对改进的导航线边缘检测算法、导航线信息提取算法、障碍物检测算法、避障导航控制算法进行测试,验证改进算法的有效性。
成振华[8]（2017）在《基于神经网络的直流电机在线故障诊断研究》文中提出在现代大型工业生产中,直流电机以其良好的调速性能和起动性能、较大的制动转矩、较高的过载能力而广泛用于轧钢机、卷扬机、起重机、机床和电力机车等设备中。为了实时在线监测这些电机设备的运行状态和故障情况,改进以往故障诊断工作存在的缺陷,本文研究了一种实用简便的直流电机在线故障诊断方法。针对在线故障诊断中全面性和准确性的要求,提出了一种全面的直流电机故障类型划分方法。为了实现在线故障诊断的实时性和简便性,提出了一种基于电流信号分析的在线故障诊断方法。以易于采集和监测的直流电机电枢电流信号为基础,利用傅里叶分析等信号处理方法提取了故障特征参量,实现了基于人工智能方法的在线故障诊断。以人工神经网络和灰色关联分析算法为基础,建立了基于电枢电流信号分析的直流电机在线故障诊断数学模型。确定了电机输入电压U、电机启动过程中电枢电流峰值im、电枢电流峰值点附近的电流最大下降速率K、电机稳态运行时电枢电流Ia、幅值最大的谐波对应频率f等5个故障诊断特征参量。对直流电机正常运行状态、四类单个故障状态、三类多重故障状态以及电压和负载扰动时的运行状态分别进行了仿真分析。通过各种故障状态的特征参量变化特征阐释了BP神经网络对于各类故障的辨识能力,证明了神经网络算法对于直流电机在线故障诊断的正确性和有效性。解决了电压扰动和负载扰动对故障诊断模型的干扰问题。以直流电机的实际数据对四种类型的故障分别举例进行了特征参量数据提取和故障机理分析。分析了仿真状态下和实际状态下直流电机故障特征参量的变化特征,证明了本文的故障诊断模型的正确性和通用性。以实际故障样本进行神经网络训练和故障诊断,对不同的故障类型,分别训练并优化了不同的神经网络。通过对比发现,优化后的神经网络故障诊断正确率都有很大幅度的提高,平均正确率达到91.4%。说明本文确定的直流电机在线故障诊断模型对于直流电机故障诊断是实际可靠的,能帮助用户实时在线监测直流电机状态变化。本文提出的直流电机在线故障诊断方法克服了已有诊断方法的诸多缺点,只需要采集电机的电流和电压信号,不需其他机械性和温度类信号,硬件和软件实现简单,对原本电机系统影响小,成本低,可靠性强。在诸如轧钢厂等大型电力拖动生产场合具有广泛的应用前景。
朱军[9]（2016）在《滚动轴承非平稳信号故障诊断若干方法研究》文中研究说明开展机械设备的状态监测与故障诊断对保证设备运行安全、减少人员财产损失的意义重大。本论文以旋转机械设备的关键部件轴承为对象,以轴承状态监测与故障诊断为目标,开展了基于振动信号分析和轨边声学分析的滚动轴承故障特征提取技术的相关研究工作,针对采集得到不同类型的信号采取不同的分析方法,并对所提的方法逐一进行仿真和实验验证,同时分析方法特点,为轴承的状态监测与故障诊断提供了一定的解决方案。首先,本文首先介绍轴承的主要失效形式和故障特征频率计算,分析轴承振动的机理及声学诊断与振动的联系。然后针对轴承的振动与声学故障诊断开展了相应的实验,振动信号由加速度传感器采集,轨边声学信号依靠声学麦克风采集。针对轨边声学信号获取的经济性、可操作性和安全性,“静态采集,动态播放”的实验方案能够满足要求。这些测取得到的信号为后续算法改进提供实验数据。其次,本文探索了两种基于振动的轴承故障诊断策略。第一种策略是基于人工鱼群算法的自适应变分模式分解的方法,通过参数寻优自适应获得变分模式分解的最优输出；第二种策略是基于分量筛选的奇异值分解的方法,通过设定阈值筛选奇异值差分谱获得的分量信号,提高了有用故障信号的信噪比。仿真及实验数据分析效果都证实所提方法能在噪声环境下能有效提取故障特征频率。最后,本文提出了结合时域插值重采样和最大相关峭度解卷积的方法来解决列车轴承轨边声信号的陡畸变和强噪声问题。首先采用时域插值重采样方法来消除噪声环境下采集信号中的多普勒畸变；接着采用最大相关峭度解卷积方法来增强矫正后的微弱故障信号,进而恢复出信号的特征,判断声源轴承的状态。所提的方法在道旁声学诊断系统中的有效性通过仿真及实验数据分析得到证实。
陈涛涛,马宏忠[10]（2013）在《双馈异步发电机电刷滑环系统状态监测技术研究现状与发展》文中指出电刷和滑环系统对双馈异步发电机的稳定运行至关重要,然而其运行故障时有发生,维修工作需耗费大量的人力和物力。与传统发电机类似,双馈异步风力发电机电刷滑环系统的故障机理相对简单,而对其进行实时、精确、高效的状态监测是一大难点,故本文先简单介绍了发电机电刷滑环系统常见故障类型和故障产生机理,再对当前已有的电刷滑环系统状态监测方法做重点阐述和分析,最后对未来双馈异步风力发电机电刷和滑环系统状态监测的发展趋势和方向做了展望。
二、直流电机换向火花图像监测与客观评价方法的应用（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、直流电机换向火花图像监测与客观评价方法的应用（论文提纲范文）
（1）煤矿井下履带式移动机器人运动控制技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景、意义及来源 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 2 煤矿井下移动机器人运动控制系统设计改造 |
| 2.1 引言 |
| 2.2 煤矿井下环境特点 |
| 2.3 机器人运动控制控制系统性能需求分析 |
| 2.4 履带式移动机器人运动控制系统改造 |
| 2.5 本章小结 |
| 3 基于MPC方法的移动机器人轨迹跟踪控制 |
| 3.1 引言 |
| 3.2 轨迹跟踪控制相关原理分析 |
| 3.3 履带式移动机器人运动学模型的建立 |
| 3.4 基于MPC方法的轨迹跟踪控制器设计 |
| 3.5 仿真试验及分析 |
| 3.6 本章小结 |
| 4 基于PSO-BP-PID控制的电机控制技术研究 |
| 4.1 引言 |
| 4.2 无刷直流电机相关原理阐述 |
| 4.3 基于PSO-BP-PID的双闭环控制系统设计 |
| 4.4 无刷直流电机控制系统试验研究 |
| 4.5 本章小结 |
| 5 煤矿井下履带式移动机器人轨迹跟踪测试试验研究 |
| 5.1 引言 |
| 5.2 CUMT-V改进型机器人轨迹跟踪试验 |
| 5.3 大型履带式钻孔机器人定点巡航试验 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（2）基于机器视觉导航与避障的智能护理轮椅床系统研究（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 |
| 1.2 国内外智能轮椅研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 课题的主要研究内容 |
| 1.4 本章小结 |
| 第二章 轮椅床视觉导航与避障系统总体设计 |
| 2.1 总体方案设计 |
| 2.2 硬件设计 |
| 2.2.1 下位机主控模块设计 |
| 2.2.2 电源模块设计 |
| 2.2.3 视觉模块设计 |
| 2.2.4 行走模块设计 |
| 2.3 系统软件总体设计 |
| 2.3.1 上位机软件 |
| 2.3.2 下位机软件 |
| 2.4 本章小结 |
| 第三章 基于Bi Se Net的轮椅床可行驶区域分割 |
| 3.1 图像分割算法分析 |
| 3.1.1 传统图像分割算法 |
| 3.1.2 基于深度学习的图像分割 |
| 3.2 轮椅床可行驶区域分割 |
| 3.2.1 BiSeNet图像语义分割网络分析 |
| 3.2.2 ISBSNet图像语义分割网络 |
| 3.2.3 室内语义分割数据集 |
| 3.3 可行驶区域分割实验 |
| 3.4 本章小结 |
| 第四章 基于单目视觉的测距技术 |
| 4.1 相机标定 |
| 4.1.1 坐标系 |
| 4.1.2 摄像机标定方法 |
| 4.1.3 摄像机标定实验 |
| 4.2 单目测距技术研究 |
| 4.2.1 逆透视变换法 |
| 4.2.2 几何关系法 |
| 4.2.3 深度学习估计法 |
| 4.3 单目测距实验 |
| 4.3.1 静止状态下单目测距实验 |
| 4.3.2 运动状态下的单目测距实验 |
| 4.4 本章小结 |
| 第五章 路径规划算法研究及导航与避障实验 |
| 5.1 地图表示方式 |
| 5.2 轮椅床定位 |
| 5.3 全局路径规划 |
| 5.3.1 Dijkstra算法 |
| 5.3.2 A*算法 |
| 5.3.3 Smooth A*算法 |
| 5.4 局部路径规划 |
| 5.4.1 人工势场法 |
| 5.4.2 动态窗口法 |
| 5.5 轮椅床的路径规划算法 |
| 5.6 轮椅床导航与避障实验 |
| 5.6.1 导航与避障仿真实验 |
| 5.6.2 导航与避障真实环境实验 |
| 5.7 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（3）基于两阶段学习模型的列车轴承道旁声学故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 机械设备状态监测与故障诊断 |
| 1.2 列车轴承故障诊断技术研究现状 |
| 1.3 列车轴承道旁声学故障诊断方法 |
| 1.4 列车轴承道旁声学故障诊断技术难点 |
| 1.5 本文主要研究内容与结构安排 |
| 1.6 本文主要创新点 |
| 第二章 实验设计 |
| 2.1 引言 |
| 2.2 列车轴承结构 |
| 2.3 列车轴承故障设置 |
| 2.4 实验信号平台的搭建 |
| 2.4.1 实验仪器 |
| 2.4.2 静态实验平台的搭建 |
| 2.4.3 动态实验平台的搭建 |
| 2.5 本章小结 |
| 第三章 基于安全域与BP神经网络的两阶段学习模型研究 |
| 3.1 引言 |
| 3.2 安全域的基本理论和构建方法 |
| 3.3 BP神经网络 |
| 3.4 多普勒畸变及其对建模的影响 |
| 3.4.1 多普勒畸变 |
| 3.4.2 仿真研究含多普勒畸变的声信号对模型建立的影响 |
| 3.4.3 实验研究含多普勒畸变的声信号对模型建立的影响 |
| 3.5 基于两阶段学习模型的道旁声学故障诊断方法 |
| 3.6 仿真数据对比验证 |
| 3.6.1 安全域模型对比验证 |
| 3.6.2 BP网络模型对比验证 |
| 3.7 实验数据对比验证 |
| 3.7.1 安全域模型对比验证 |
| 3.7.2 BP网络模型对比验证 |
| 3.8 本章小结 |
| 第四章 基于零次学习的列车轴承复合故障识别方法的研究 |
| 4.1 引言 |
| 4.2 属性与二值属性的概念和理论 |
| 4.3 零次学习的DAP模型结构 |
| 4.4 基于零次学习的列车轴承复合故障识别方法研究 |
| 4.5 仿真分析 |
| 4.6 实验分析 |
| 4.7 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（4）面向海洋牧场的水下机器人研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 水下机器人分类 |
| 1.3 国内外研究现状 |
| 1.3.1 国外小型水下机器人的研究现状 |
| 1.3.2 国内小型水下机器人的研究现状 |
| 1.4 目前研究中存在的问题 |
| 1.5 本文主要研究内容 |
| 第2章 水下机器人总体方案研究 |
| 2.1 水下机器人形体结构 |
| 2.2 水下机器人姿态描述 |
| 2.2.1 坐标系的建立 |
| 2.2.2 姿态描述方法 |
| 2.3 水下机器人体系结构 |
| 2.4 运动和监控方案 |
| 2.4.1 运动方案 |
| 2.4.2 监控方案 |
| 2.5 本章小结 |
| 第3章 系统硬件电路设计 |
| 3.1 系统硬件结构 |
| 3.2 主控制器的选型与设计 |
| 3.3 推进器的选型与设计 |
| 3.4 姿态传感器的选型与设计 |
| 3.5 浑浊度传感器的选型与设计 |
| 3.6 图像传感器的选型与设计 |
| 3.7 深度传感器的选型与设计 |
| 3.8 存储器电路设计 |
| 3.9 通信电路设计 |
| 3.10 电源管理电路 |
| 3.11 本章小结 |
| 第4章 系统软件设计 |
| 4.1 系统软件总体框架 |
| 4.2 存储器读写 |
| 4.2.1 AT24C02 芯片操作 |
| 4.2.2 SRAM的读写 |
| 4.3 深度信息采集 |
| 4.4 浑浊度信息采集 |
| 4.5 姿态信息采集 |
| 4.6 图像信息采集 |
| 4.6.1 摄像头参数配置 |
| 4.6.2 图像数据采集 |
| 4.7 上位机设计 |
| 4.8 通信协议设计 |
| 4.8.1 modbus协议简介 |
| 4.8.2 水下机器人Modbus协议通信应用 |
| 4.9 本章小结 |
| 第5章 水下机器人姿态解算和运动控制算法设计 |
| 5.1 姿态解算算法设计 |
| 5.1.1 MEMS传感器特性分析 |
| 5.1.2 基于互补滤波和Mahony滤波的数据融合算法 |
| 5.2 运动控制算法设计 |
| 5.2.1 PID算法 |
| 5.2.2 串级PID控制算法 |
| 5.3 Matlab仿真 |
| 5.4 本章小结 |
| 第6章 系统调试 |
| 6.1 直流无刷电机测试 |
| 6.2 视频图像测试 |
| 6.3 姿态角测试 |
| 6.4 整体测试 |
| 第7章 总结与展望 |
| 致谢 |
| 参考文献 |
（5）煤矿井下电机车无人驾驶测控系统研究（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 国内外研究现状 |
| 1.2.1 国外研究概况 |
| 1.2.2 国内研究概况 |
| 1.3 论文研究内容和安排 |
| 1.4 本章小结 |
| 2 电机车无人驾驶测控系统设计 |
| 2.1 电机车无人驾驶系统结构 |
| 2.2 电机车无人驾驶测控系统关键技术 |
| 2.2.1 环境感知 |
| 2.2.2 自主避障 |
| 2.2.3 跟踪定位 |
| 2.2.4 运动控制 |
| 2.3 电机车无人驾驶测控系统方案设计 |
| 2.3.1 电机车位置检测方案设计 |
| 2.3.2 电机车障碍物检测方案设计 |
| 2.3.3 电机车环境检测方案设计 |
| 2.3.4 电机车运动控制方案设计 |
| 2.4 电机车无人驾驶测控系统结构 |
| 2.5 主要功能和技术指标 |
| 2.6 本章小结 |
| 3 电机车无人驾驶测控系统硬件设计 |
| 3.1 电机车无人驾驶测控系统硬件结构 |
| 3.2 主控电路硬件设计 |
| 3.2.1 主控制器电路 |
| 3.2.2 系统电源电路 |
| 3.2.3 电源电压检测电路 |
| 3.2.4 报警电路 |
| 3.2.5 JTAG调试电路 |
| 3.3 定位模块硬件设计 |
| 3.3.1 无线定位 |
| 3.3.2 惯性定位 |
| 3.4 避障模块硬件设计 |
| 3.4.1 基于红外测距传感器的避障装置 |
| 3.4.2 基于雷达测距传感器的避障装置 |
| 3.5 环境检测模块硬件设计 |
| 3.5.1 甲烷检测 |
| 3.5.2 一氧化碳检测 |
| 3.5.3 温湿度检测 |
| 3.6 运动控制模块硬件设计 |
| 3.6.1 驱动隔离电路 |
| 3.6.2 电流电压检测电路 |
| 3.7 本章小结 |
| 4 电机车无人驾驶测控系统软件设计 |
| 4.1 定位模块软件设计 |
| 4.1.1 电机车定位算法设计 |
| 4.1.2 参考节点软件设计 |
| 4.1.3 定位节点软件设计 |
| 4.1.4 系统抗干扰软件设计 |
| 4.2 避障模块软件设计与性能测试 |
| 4.2.1 避障模块软件设计 |
| 4.2.2 测距传感器性能测试 |
| 4.3 环境检测模块软件设计 |
| 4.4 运动控制模块软件设计 |
| 4.4.1 电机车运动建模 |
| 4.4.2 电机车运动控制软件设计 |
| 4.4.3 无刷直流电机PID控制器设计 |
| 4.5 本章小结 |
| 5 实验和结果分析 |
| 5.1 定位模块实验 |
| 5.1.1 实验模型 |
| 5.1.2 实验过程 |
| 5.1.3 实验数据分析 |
| 5.2 运动控制模块仿真 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（6）苜蓿播种机漏播报警系统的设计与研究（论文提纲范文）
| 摘要 |
| Summary |
| 第一章 前言 |
| 1.1 研究背景、意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 精密播种机排种器排种检测技术发展现状 |
| 1.2.2 国内外播种机检测系统的发展现状 |
| 1.3 苜蓿种子的物料特性 |
| 1.4 研究目的 |
| 1.5 本文的内容及主要工作 |
| 第二章 系统的设计方案研究 |
| 2.1 排种器组成 |
| 2.2 系统总体设计方案 |
| 2.2.1 系统总体设计方案 |
| 2.2.2 漏播补偿方案设计 |
| 第三章 系统的硬件设计 |
| 3.1 硬件电路设计 |
| 3.2 检测元件的选择 |
| 3.2.1 光电传感器 |
| 3.2.2 压敏电阻 |
| 3.2.3 电容式压力传感器 |
| 3.3 信号处理模块 |
| 3.4 报警电路 |
| 3.5 单片机及显示模块 |
| 3.6 电源设计 |
| 3.7 本章小结 |
| 第四章 漏播补偿系统设计 |
| 4.1 漏播补偿系统的结构及工作原理 |
| 4.1.1 漏播补偿系统的结构 |
| 4.1.2 播补偿系统的工作流程分析 |
| 4.2 漏播补偿系统的设计 |
| 4.2.1 直流电机选型 |
| 4.2.2 直流电机控制系统设计 |
| 4.3 本章小结 |
| 第五章 系统软件设计 |
| 5.1 LED灯报警流程图 |
| 5.2 蜂鸣器报警流程图 |
| 5.3 苜蓿播种机漏播报警系统主程序 |
| 第六章 系统调试 |
| 6.1 阈值电压的设定 |
| 6.2 苜蓿播种测试 |
| 6.3 本章小结 |
| 第七章 漏播报警系统可靠性研究 |
| 7.1 单片机系统抗干扰技术概述 |
| 7.1.1 系统干扰的来源 |
| 7.1.2 干扰产生的主要危害 |
| 7.2 硬件抗干扰设计 |
| 7.2.1 系统电源抗干扰设计 |
| 7.2.2 输入输出通道的抗干扰设计 |
| 7.2.3 印制电路板抗干扰设计 |
| 7.3 软件抗干扰设计 |
| 7.4 本章小结 |
| 结束语 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 导师简介 |
（7）基于机器视觉的智能移动系统设计及避障导航算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 智能移动系统国内外研究现状 |
| 1.3 避障导航技术国内外研究现状 |
| 1.4 本文研究的主要内容 |
| 第2章 智能移动系统总体方案设计 |
| 2.1 智能移动系统需求分析 |
| 2.2 智能移动系统总体设计 |
| 2.2.1 硬件电路总体设计 |
| 2.2.2 软件总体设计 |
| 2.3 智能移动系统数学模型分析 |
| 2.3.1 系统舵机数学模型建立 |
| 2.3.2 系统运动学模型建立 |
| 2.4 避障导航及相关技术研究 |
| 2.4.1 导航相关技术研究 |
| 2.4.2 避障相关技术研究 |
| 2.4.3 障碍物检测算法研究 |
| 2.5 本章小结 |
| 第3章 智能移动系统硬件电路详细设计 |
| 3.1 核心控制器模块设计 |
| 3.1.1 核心控制器模块芯片选取 |
| 3.1.2 核心控制器模块最小系统 |
| 3.2 电源供电模块设计 |
| 3.2.1 电源管理模块设计 |
| 3.2.2 模块稳压电路设计 |
| 3.3 图像采集模块设计 |
| 3.4 图像处理模块设计 |
| 3.5 电机驱动模块设计 |
| 3.5.1 电机及控制方式选取 |
| 3.5.2 H型全桥电路设计 |
| 3.6 舵机控制模块设计 |
| 3.6.1 舵机模块工作原理 |
| 3.6.2 舵机模块器件选取 |
| 3.7 速度检测模块设计 |
| 3.8 无线通讯模块设计 |
| 3.9 本章小结 |
| 第4章 基于机器视觉的避障导航算法研究 |
| 4.1 道路图像预处理过程算法研究 |
| 4.1.1 道路图像灰度化算法研究 |
| 4.1.2 道路图像滤波算法研究 |
| 4.1.3 摄像头标定算法研究 |
| 4.2 导航线边缘检测算法研究与改进 |
| 4.2.1 传统蚁群边缘检测算法研究 |
| 4.2.2 Canny边缘检测算法研究 |
| 4.2.3 基于Canny的蚁群算法改进与优化 |
| 4.3 导航线信息提取算法研究 |
| 4.4 障碍物检测算法研究与改进 |
| 4.4.1 积分投影粗定位算法研究与改进 |
| 4.4.2 区域生长细定位算法研究 |
| 4.5 基于机器学习的障碍物实时定位算法研究 |
| 4.5.1 相关滤波器算法研究 |
| 4.5.2 KCF障碍物实时定位算法研究 |
| 4.6 导航模糊控制器算法及设计 |
| 4.6.1 模糊控制策略研究 |
| 4.6.2 模糊控制器结构设计 |
| 4.6.3 模糊控制器模糊化及模糊划分 |
| 4.6.4 模糊控制器模糊规则设计 |
| 4.6.5 模糊推理的简化 |
| 4.6.6 模糊控制仿真实验 |
| 4.7 避障PID控制器算法及设计 |
| 4.8 本章小结 |
| 第5章 测试与分析 |
| 5.1 智能移动系统硬件测试与分析 |
| 5.1.1 舵机控制模块测试与分析 |
| 5.1.2 电机驱动与编码器模块测试与分析 |
| 5.2 基于机器视觉的避障导航算法测试与分析 |
| 5.2.1 导航线边缘检测算法测试与分析 |
| 5.2.2 导航线信息提取算法测试与分析 |
| 5.2.3 障碍物检测算法测试与分析 |
| 5.2.4 控制算法测试与分析 |
| 5.3 智能移动系统导航测试与分析 |
| 5.4 智能移动系统避障测试与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（8）基于神经网络的直流电机在线故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外电机故障诊断研究现状 |
| 1.2.1 国外电机故障诊断研究现状 |
| 1.2.2 国内电机故障诊断研究现状 |
| 1.3 直流电机在线故障诊断技术的发展方向及前景 |
| 1.4 本文主要研究内容 |
| 第二章 神经网络及其优化理论分析 |
| 2.1 BP神经网络模型及其学习算法 |
| 2.1.1 BP神经网络原理及其学习算法 |
| 2.1.2 BP算法分析 |
| 2.2 BP神经网络隐含层神经元数的优化 |
| 2.2.1 BP神经网络隐含层的作用 |
| 2.2.2 隐含层神经元数对网络的影响及其经验选取方法 |
| 2.3 灰色关联分析理论研究 |
| 2.3.1 灰色关联分析的原理 |
| 2.3.2 灰色关联度的计算 |
| 2.4 基于灰色关联分析的BP神经网络结构优化 |
| 2.4.1 灰色关联分析优化BP神经网络结构原理分析 |
| 2.4.2 灰色关联分析理论优化BP神经网络结构模型 |
| 2.5 本章小结 |
| 第三章 直流电机故障特征分析和故障分类 |
| 3.1 前言 |
| 3.2 直流电机故障诊断特征参量分析 |
| 3.2.1 直流电机空载时电枢电流分析 |
| 3.2.2 直流电机负载时电枢电流分析 |
| 3.2.3 直流电机电枢电流谐波分析 |
| 3.3 直流电机故障分类 |
| 3.3.1 电枢故障 |
| 3.3.2 励磁故障 |
| 3.3.3 换向故障 |
| 3.3.4 机械故障 |
| 3.4 本章小结 |
| 第四章 直流电机故障仿真分析 |
| 4.1 直流电机正常状态仿真分析 |
| 4.2 直流电机单个故障状态仿真分析 |
| 4.2.1 电枢故障仿真分析 |
| 4.2.2 励磁故障仿真分析 |
| 4.2.3 换向故障仿真分析 |
| 4.2.4 机械故障仿真分析 |
| 4.2.5 直流电机四类故障状态综合分析 |
| 4.3 直流电机多重故障状态仿真分析 |
| 4.4 直流电机故障诊断模型抗扰动仿真分析 |
| 4.5 本章小结 |
| 第五章 直流电机实际故障机理分析举例 |
| 5.1 电枢故障机理分析 |
| 5.2 励磁故障机理分析 |
| 5.3 换向故障机理分析 |
| 5.4 机械故障机理分析 |
| 5.5 本章小结 |
| 第六章 直流电机故障诊断模型训练和诊断结果 |
| 6.1 直流电机故障诊断模型参数的确定 |
| 6.1.1 训练样本的选取 |
| 6.1.2 输入输出层的确定 |
| 6.1.3 样本数据的预处理 |
| 6.1.4 选择激活函数 |
| 6.2 负载扰动诊断结果 |
| 6.2.1 负载扰动下优化前网络训练和诊断结果 |
| 6.2.2 负载扰动下BP神经网络的灰色关联分析优化 |
| 6.2.3 负载扰动下优化后网络训练和诊断结果 |
| 6.3 电枢故障诊断结果 |
| 6.4 励磁故障诊断结果 |
| 6.5 换向故障诊断结果 |
| 6.6 机械故障诊断结果 |
| 6.7 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（9）滚动轴承非平稳信号故障诊断若干方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 机械设备状态监测与故障诊断 |
| 1.1.1 机械设备状态监测与故障诊断的意义 |
| 1.1.2 机械设备状态监测诊断的流程 |
| 1.1.3 国内外研究现状 |
| 1.2 机械振动信号分析与诊断 |
| 1.2.1 短时傅立叶变换 |
| 1.2.2 小波变换 |
| 1.2.3 自适应时频分析 |
| 1.2.4 奇异值分解 |
| 1.2.5 匹配追踪 |
| 1.3 列车轴承道旁声学信号分析与故障诊断 |
| 1.3.1 列车轴承道旁声学诊断系统 |
| 1.3.2 列车轴承道旁声学诊断系统的技术难点 |
| 1.4 论文的主要研究内容 |
| 1.4.1 论文主要研究内容与技术路线 |
| 1.4.2 内容结构安排 |
| 1.5 论文的创新点 |
| 第2章 滚动轴承振动和声学分析及故障实验 |
| 2.1 引言 |
| 2.2 滚动轴承故障失效形式 |
| 2.3 滚动轴承故障特征频率 |
| 2.4 滚动轴承振动的机理 |
| 2.5 声学信号分析与振动信号分析的联系 |
| 2.6 振动信号故障实验 |
| 2.6.1 实验室的轴承故障实验 |
| 2.6.2 凯斯西储大学的轴承故障实验 |
| 2.7 列车轴承道旁声学信号故障实验装置 |
| 2.7.1 实验仪器 |
| 2.7.2 轴承故障设置 |
| 2.7.3 静态声学实验平台及信号采集系统 |
| 2.7.4 动态声学实验平台及信号采集系统 |
| 2.8 本章小结 |
| 第3章 基于人工鱼群算法的自适应变分模式分解的轴承故障诊断研究 |
| 3.1 引言 |
| 3.2 变分模式分解算法 |
| 3.3 变分模式分解算法里面的参数讨论 |
| 3.4 峭度指标 |
| 3.5 人工鱼群算法 |
| 3.6 自适应变分模式分解的轴承故障诊断 |
| 3.7 仿真研究 |
| 3.8 实验验证 |
| 3.9 本章小结 |
| 第4章 基于分量筛选奇异值分解的轴承故障诊断研究 |
| 4.1 引言 |
| 4.2 理论背景 |
| 4.2.1 奇异值分解原理 |
| 4.2.2 奇异值差分谱理论 |
| 4.2.3 相关系数准则 |
| 4.3 滚动轴承诊断流程 |
| 4.4 仿真研究 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 第5章 基于时域插值重采样和最大相关峭度解卷积的列车轴承轨边声学诊断 |
| 5.1 引言 |
| 5.2 多普勒畸变矫正技术研究现状 |
| 5.3 微弱信号增强研究现状 |
| 5.4 列车轨边声学故障诊断理论背景 |
| 5.4.1 时域插值重采样方法 |
| 5.4.2 最大相关峭度解卷积 |
| 5.4.2.1 相关峭度 |
| 5.4.2.2 MCKD算法理论 |
| 5.4.2.3 MCKD算法中的参数讨论 |
| 5.4.2.4 自适应MCKD降噪方法的实现 |
| 5.5 故障诊断方法步骤和流程 |
| 5.6 仿真信号分析 |
| 5.7 实验验证 |
| 5.7.1 外圈故障的轴承声学信号 |
| 5.7.2 内圈故障的轴承声学信号 |
| 5.8 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究课题的进一步展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（10）双馈异步发电机电刷滑环系统状态监测技术研究现状与发展（论文提纲范文）
| 1 引言 |
| 2 常见故障类型及产生机理 |
| 2.1 滑环电火花故障 |
| 2.2 电刷滑环系统过热故障 |
| 2.3 电刷特异性振动故障 |
| 2.4 电刷重度磨损故障 |
| 3 常见故障特征监测方法 |
| 3.1 电刷与滑环间火花监测 |
| 3.2 电刷和滑环表面温度监测 |
| 3.3 电刷电流分布及其磨损监测 |
| 4 DFIG电刷滑环系统状态监测技术展望 |
| 5 总结 |
四、直流电机换向火花图像监测与客观评价方法的应用（论文参考文献）
- [1]煤矿井下履带式移动机器人运动控制技术研究[D]. 陈子文. 中国矿业大学, 2021
- [2]基于机器视觉导航与避障的智能护理轮椅床系统研究[D]. 李炳耀. 华南理工大学, 2020(02)
- [3]基于两阶段学习模型的列车轴承道旁声学故障诊断方法研究[D]. 吴瑞祥. 安徽大学, 2020(07)
- [4]面向海洋牧场的水下机器人研究与设计[D]. 赖云波. 东华理工大学, 2019(01)
- [5]煤矿井下电机车无人驾驶测控系统研究[D]. 周菲鑫. 安徽理工大学, 2019(01)
- [6]苜蓿播种机漏播报警系统的设计与研究[D]. 段婷. 甘肃农业大学, 2018(10)
- [7]基于机器视觉的智能移动系统设计及避障导航算法研究[D]. 张永军. 哈尔滨工程大学, 2017(07)
- [8]基于神经网络的直流电机在线故障诊断研究[D]. 成振华. 华南理工大学, 2017(06)
- [9]滚动轴承非平稳信号故障诊断若干方法研究[D]. 朱军. 中国科学技术大学, 2016(01)
- [10]双馈异步发电机电刷滑环系统状态监测技术研究现状与发展[J]. 陈涛涛,马宏忠. 电工电能新技术, 2013(03)