| 第一章 绪论 | 第1-15页 |
| ·本课题的研究目的及意义 | 第7页 |
| ·往复压缩机故障诊断的现状、发展趋势及诊断过程 | 第7-12页 |
| ·发展现状 | 第7-8页 |
| ·故障诊断研究存在的问题 | 第8-9页 |
| ·往复压缩机故障诊断发展趋势 | 第9-10页 |
| ·气阀故障诊断过程 | 第10-12页 |
| ·智能故障诊断方法综述 | 第12-14页 |
| ·基于人工神经网络的故障诊断方法 | 第12页 |
| ·基于模糊逻辑推理的故障诊断方法 | 第12-13页 |
| ·基于粗糙集的故障诊断方法 | 第13页 |
| ·基于专家系统的故障诊断方法 | 第13页 |
| ·基于人工免疫系统的故障诊断方法 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| 第二章 基于小波包的气阀故障特征提取方法研究 | 第15-28页 |
| ·引言 | 第15页 |
| ·常用小波及小波包 | 第15-18页 |
| ·小波变换 | 第15-16页 |
| ·常用小波及其性质 | 第16-17页 |
| ·小波包变换 | 第17-18页 |
| ·小波基函数的选取 | 第18-19页 |
| ·故障特征提取 | 第19-20页 |
| ·小波包分解与单支重构 | 第19-20页 |
| ·特征提取 | 第20页 |
| ·特征融合 | 第20-21页 |
| ·气阀特征提取实例分析 | 第21-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于BP 神经网络的往复压缩机气阀故障诊断方法研究 | 第28-37页 |
| ·引言 | 第28页 |
| ·人工神经网络简介 | 第28-32页 |
| ·M-P 模型 | 第28-29页 |
| ·BP 神经网络结构 | 第29-31页 |
| ·BP 学习算法 | 第31-32页 |
| ·BP 网络的设计 | 第32-33页 |
| ·故障诊断过程 | 第33-34页 |
| ·基于BP 神经网络的往复压缩机气阀故障诊断方法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于RLAIS 的往复压缩机气阀故障诊断方法研究 | 第37-49页 |
| ·引言 | 第37页 |
| ·人工免疫系统 | 第37-38页 |
| ·资源有限人工免疫系统(RLAIS) | 第38页 |
| ·基于资源有限人工免疫系统的故障诊断方法 | 第38-48页 |
| ·训练故障样本数据初始化阶段 | 第39页 |
| ·记忆细胞的识别和ARB 产生 | 第39-40页 |
| ·资源的竞争和候选记忆细胞的任命 | 第40-42页 |
| ·记忆细胞的引入 | 第42页 |
| ·资源有限人工免疫故障诊断过程 | 第42-44页 |
| ·故障诊断仿真分析 | 第44-46页 |
| ·基于RLAIS 的往复压缩机气阀故障诊断 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 往复压缩机气阀智能诊断系统原型软件开发 | 第49-55页 |
| ·引言 | 第49页 |
| ·往复压缩机气阀故障诊断过程 | 第49页 |
| ·故障诊断原型软件开发设计 | 第49-54页 |
| ·应用工具软件介绍 | 第49-50页 |
| ·故障诊断原型系统的各模块用法功能 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表论文 | 第62-63页 |
| 详细摘要 | 第63-68页 |