天然气压缩机智能故障诊断系统研发
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究状况和发展 | 第10-14页 |
| 1.2.1 故障诊断技术的研究 | 第10-13页 |
| 1.2.2 故障诊断技术在压缩机诊断中的应用 | 第13-14页 |
| 1.3 论文主要研究内容与结构安排 | 第14-16页 |
| 2 天然气压缩机智能故障诊断系统设计 | 第16-23页 |
| 2.1 天然气压缩机的简介 | 第16-19页 |
| 2.1.1 天然气压缩机的工作原理 | 第16-17页 |
| 2.1.2 天然气压缩机的常见故障 | 第17-19页 |
| 2.2 天然气压缩机智能故障诊断系统设计 | 第19-22页 |
| 2.2.1 天然气压缩机智能故障诊断系统框架 | 第19-21页 |
| 2.2.2 天然气压缩机故障诊断系统的诊断流程 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 天然气压缩机故障诊断系统集成推理模型 | 第23-41页 |
| 3.1 故障诊断系统知识获取 | 第24-26页 |
| 3.1.1 知识获取步骤 | 第24页 |
| 3.1.2 知识获取方式 | 第24-26页 |
| 3.2 故障诊断系统的知识表示 | 第26-32页 |
| 3.2.1 案例推理简介 | 第26-27页 |
| 3.2.2 知识表示方法 | 第27-32页 |
| 3.3 基于k-NN的故障诊断系统检索 | 第32-34页 |
| 3.3.1 最近邻算法（k-NN） | 第33-34页 |
| 3.3.2 基于k-NN的故障诊断系统检索 | 第34页 |
| 3.4 故障诊断系统的修正 | 第34-36页 |
| 3.4.1 CBR系统的修正技术 | 第34-35页 |
| 3.4.2 故障诊断系统中案例的修正 | 第35-36页 |
| 3.5 融合CBR-RBR混合推理模型 | 第36-40页 |
| 3.5.1 故障诊断系统中数据处理方式 | 第37-38页 |
| 3.5.2 CBR与RBR集成推理故障诊断过程 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 天然气压缩机故障诊断系统的实现 | 第41-51页 |
| 4.1 故障诊断系统中监控平台的搭建 | 第41-42页 |
| 4.1.1 现场环境的搭建 | 第41页 |
| 4.1.2 故障诊断系统的后台线程 | 第41-42页 |
| 4.2 故障诊断系统的数据管理 | 第42-45页 |
| 4.3 智能故障诊断系统的具体实现 | 第45-50页 |
| 4.3.1 系统诊断的实现 | 第45-47页 |
| 4.3.2 系统诊断的流程 | 第47-49页 |
| 4.3.3 系统测试结论 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-60页 |
| 附录 | 第60-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65-66页 |
| 导师简介 | 第66页 |
