1. 研究目的与意义（文献综述）
随着机械设备复杂程度和自动化水平的提高，机械设备故障诊断的重要性日益显著，而选择合适的识别方法对于结果是否精确至关重要。一处设备的故障可能引起一系列的连锁反应，导致整个系统不能正常运行。现代化工业生产一旦因故障停机，轻则造成巨大的经济损失，重则还会产生人员伤亡和社会影响。
应用先进的设备状态监测和故障诊断技术，不仅可以早期发现故障，避免恶性事故的发生，还可以从根本上解决设备定期维修中维修不足和过剩维修问题。
神经网络技术的出现，为故障诊断提供了一种新的解决途径，特别是对于在实际中难以建立数学模型的复杂系统，神经网络更显示了其独特的作用，以神经网络技术为代表的智能故障诊断系统已经成为智能故障诊断系统的代表。
2. 研究的基本内容与方案
滚动轴承是机械中应用最为广泛的机械零件，也是最易损坏的原件。许多故障都与滚动轴承有关，轴承性能与工作状态的好坏直接影响到与之相关联的机械设备的性能，其缺陷会导致设备产生异常振动和噪声，造成设备损坏。
神经网络是科学家从不同角度进行长期的不懈努力和探索形成的一个多学科交叉的前沿技术领域。神经网络是指利用工程技术手段模拟人脑神经网络的结构和功能的一种技术系统，它是一种大规模并行的非线性动力学系统。
需要综合故障诊断、信号处理、神经网络和数学分析等多方面的知识，建立基于神经网络的轴承故障分类系统模型，该模型能对振动信号进行分析，对轴承故障进行有效的分类。
3. 研究计划与安排
1.第1-3周 完成题目调研，完成文献阅读，进行相关资料的收集，完成文献综述以及开题报告的撰写；
2.第4-7周 学习并掌握神经网络的基本理论知识，在matlab中进行基于神经网络的代码实现与轴承故障特征的提取与分类的仿真测试；
3.第8-11周 设计轴承故障分类系统，采用vc开发平台完成系统开发；
4. 参考文献（12篇以上）
[1] 吴今培, 肖建华. 智能故障诊断与专家系统 [m]. 北京: 科学出版社, 1997
[2] gallant s i. connectional expert systems. communications of the acm [j], 1988, 31(2): 152-169
[3] fu l m. rule learning by searching on adapt nets [j]. in: aaai ed. proceedings of the 9th national conference on arificial intelligence. anaheim, ca: aaai press,1991, 590-595
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
