摘要4-6
ABSTRACT6-14
第一章 绪论14-22
1.1 课题的背景和探讨作用14-17
1.1.1 聚乙烯流化床生产工艺介绍14-15
1.1.2 流化床的优缺点15-16
1.1.3 流化床结片16-17
1.2 国内外进展的情况17-19
1.2.1 国内的探讨情况18-19
1.2.2 国外的探讨情况19
1.3 本论文探讨内容和结构安排19-22
第二章 FPGA、工具及语言概述22-30
2.1 FPGA概述22-24
2.1.1 可编程逻辑器件与FPGA22
2.1.2 FPGA的基本工作原理22-23
2.1.3 FPGA芯片内部结构23-24
2.2 FPGA设计流程24-25
2.3 FPGA设计工具25-27
2.3.1 FPGA设计工具-Quartus Ⅱ25-26
2.3.2 Quartus Ⅱ的开发流程26
2.3.3 FPGA仿真工具26-27
2.4 硬件描述语言HDL27-28
2.4.1 HDL概述27
2.4.2 Verilog HDL和VHDL语言比较27-28
2.5 FPGA芯片的选型28-30
第三章 数据采集系统的设计30-50
3.1 数据采集的论述知识30-32
3.1.1 信号采样论述30-31
3.1.2. 数据采集31-32
3.2 数据采集系统的设计思路32-34
3.2.1 数据采集系统的构思32-33
3.2.2 数据采集系统的架构33-34
3.3 模数转换电路34-36
3.3.1 A/D芯片介绍34-35
3.3.2 CS5330A的电路和时序说明35-36
3.4 FPGA电路36-41
3.4.1 FPGA配置电路36-40
3.4.2 时钟电路模块40
3.4.3 FPGA复位电路40-41
3.5 RS232串口通信41-46
3.5.1 RS232接口41-43
3.5.2 RS232与TTL转换43-44
3.5.3 UART设计44-46
3.6 电源管理电路46-47
3.7 数据采集系统实现47-50
第四章 基于声纹的声发射信号特点提取50-60
4.1 基于墨西哥帽小波函数的小波包分解50-53
4.1.1 小波包浅析50-52
4.1.2 墨西哥帽小波52-53
4.2 声纹特点提取53-56
4.3 多尺度声纹提取算法56-60
第五章 基于PCA和BP神经网络的故障识别算法60-80
5.1 基于主元浅析的降维算法60-70
5.1.1 主元浅析概述60-61
5.1.2 主元浅析算法61-62
5.1.3 主元个数的选取62-63
5.1.4 主元浅析检测统计量63-64
5.1.5 主元浅析结果64-70
5.2 基于BP神经网络的故障识别算法70-76
5.2.1 神经网络的基本知识70-72
5.2.2 BP神经网络72-76
5.3 结论76-80
第六章 总结与展望80-82