离心泵振动故障诊断方法研究及系统实现
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-13页 |
| CONTENTS | 第13-16页 |
| 第1章 绪论 | 第16-22页 |
| ·引言 | 第16-17页 |
| ·离心泵故障的概述 | 第17-19页 |
| ·故障的含义 | 第17页 |
| ·离心式水泵故障的特点 | 第17页 |
| ·离心泵故障诊断的方法 | 第17-18页 |
| ·开展离心泵故障诊断技术的意义 | 第18-19页 |
| ·故障诊断的国内外发展现状及分析 | 第19-21页 |
| ·本课题所要研究的内容 | 第21-22页 |
| 第2章 实验装置及实验方法 | 第22-27页 |
| ·离心泵实验台 | 第22-23页 |
| ·实验系统 | 第23-24页 |
| ·信号测量子系统 | 第23页 |
| ·数据采集子系统 | 第23-24页 |
| ·实验步骤 | 第24-25页 |
| ·实验状态选取及特征 | 第24页 |
| ·振动位移和加速度信号的采集 | 第24-25页 |
| ·实验结果 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于第二代小波的故障信号去噪方法 | 第27-39页 |
| ·去噪问题的描述 | 第27-28页 |
| ·常用的去噪方法 | 第28-32页 |
| ·模极大值去噪 | 第28页 |
| ·相关性去噪 | 第28页 |
| ·阈值函数去噪 | 第28-29页 |
| ·改进阈值函数去噪 | 第29-32页 |
| ·新型改进阈值函数的第二代小波去噪 | 第32-38页 |
| ·Doppler仿真信号去噪 | 第33-35页 |
| ·实测故障信号去噪 | 第35-36页 |
| ·类可分离性评价准则 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 离心泵振动故障特征提取方法 | 第39-55页 |
| ·希尔伯特-黄变换(HHT) | 第39-43页 |
| ·EMD分解过程 | 第39-40页 |
| ·Hilbert变换(HT) | 第40页 |
| ·Hilbert谱 | 第40-41页 |
| ·基于HHT的特征提取 | 第41-43页 |
| ·复杂度 | 第43-45页 |
| ·Lempel-Ziv复杂度 | 第43-44页 |
| ·特征提取 | 第44-45页 |
| ·基于连续小波变换的故障特征提取 | 第45-47页 |
| ·连续小波变换原理 | 第45-46页 |
| ·基于连续小波变换的故障特征提取 | 第46-47页 |
| ·基于提升小波包的特征提取 | 第47-50页 |
| ·小波包原理 | 第47-48页 |
| ·提升小波包原理 | 第48-50页 |
| ·基于提升小波包的故障特征提取 | 第50页 |
| ·递归定量分析 | 第50-54页 |
| ·递归原理 | 第50-52页 |
| ·4种状态的递归分析以及特征提取 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 离心泵振动故障诊断模型 | 第55-75页 |
| ·RBF神经网络 | 第55-59页 |
| ·基本原理 | 第55-57页 |
| ·网络训练 | 第57-58页 |
| ·故障诊断 | 第58-59页 |
| ·ELMAN神经网络 | 第59-63页 |
| ·Elman神经网络结构 | 第59-60页 |
| ·Elman神经网络学习过程 | 第60页 |
| ·改进Elman神经网络模型 | 第60-61页 |
| ·故障诊断 | 第61-63页 |
| ·最小二乘法支持向量机 | 第63-68页 |
| ·支持向量机原理 | 第63-64页 |
| ·LSSVM诊断模型参数的优化 | 第64-67页 |
| ·多分类的实现 | 第67页 |
| ·故障诊断 | 第67-68页 |
| ·相关向量机 | 第68-73页 |
| ·相关向量机算法 | 第68-70页 |
| ·基于二叉树的RVM多类分类器 | 第70页 |
| ·故障诊断结果分析 | 第70-73页 |
| ·识别模型的比较 | 第73页 |
| ·本章小结 | 第73-75页 |
| 第6章 基于2D-HMM的离心泵振动故障诊断模型 | 第75-95页 |
| ·隐MARKOV模型 | 第75-79页 |
| ·基本参数与拓扑结构 | 第75-76页 |
| ·主要算法 | 第76-79页 |
| ·二维隐MARKOV模型(2D-HMM) | 第79-88页 |
| ·常见类型 | 第79-81页 |
| ·基本参数 | 第81-82页 |
| ·主要算法 | 第82-88页 |
| ·2D-HMM故障诊断原理及步骤 | 第88-91页 |
| ·2D-HMM故障诊断原理 | 第88-90页 |
| ·求解类条件概率 | 第90-91页 |
| ·2D-HMM故障诊断步骤 | 第91页 |
| ·2D-HMM故障诊断实验应用 | 第91-94页 |
| ·初始模型确定 | 第91-92页 |
| ·故障识别 | 第92-94页 |
| ·本章小结 | 第94-95页 |
| 第7章 离心泵在线监测及故障诊断系统 | 第95-107页 |
| ·在线监测与故障诊断系统硬件组成介绍 | 第95页 |
| ·软件开发 | 第95-103页 |
| ·软件主要模块结构及相关功能说明 | 第96-97页 |
| ·系统功能的实现 | 第97-103页 |
| ·诊断系统的应用 | 第103-105页 |
| ·应用实例 | 第103-104页 |
| ·检验结果 | 第104-105页 |
| ·本章小结 | 第105-107页 |
| 第8章 结论与展望 | 第107-109页 |
| 参考文献 | 第109-116页 |
| 攻读博士学位期间发表的论文及其它成果 | 第116-118页 |
| 攻读博士学位期间参加的科研工作 | 第118-119页 |
| 致谢 | 第119-120页 |
| 作者简介 | 第120页 |
