压缩机智能状态监测理论与应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-13页 |
| 1 绪论 | 第13-29页 |
| ·概述 | 第13-14页 |
| ·选题目的及意义 | 第14-15页 |
| ·压缩机状态监测技术国内外研究概况 | 第15-20页 |
| ·状态监测技术国内外研究概况 | 第15-18页 |
| ·压缩机状态监测国内外研究概况 | 第18-20页 |
| ·压缩机状态监测实现的关键技术 | 第20-26页 |
| ·监测信号的选择及获取 | 第20-22页 |
| ·信号分析处理技术 | 第22-24页 |
| ·压缩机状态识别 | 第24-25页 |
| ·压缩机工作状态预测 | 第25-26页 |
| ·论文研究的主要内容、创新点和组织结构 | 第26-29页 |
| ·论文主要研究内容 | 第26-27页 |
| ·论文的组织结构 | 第27-28页 |
| ·论文主要创新点 | 第28-29页 |
| 2 压缩机状态理论研究及监测试验平台设计 | 第29-49页 |
| ·压缩机工作原理及基本结构 | 第29-33页 |
| ·压缩机简介 | 第29-30页 |
| ·回转式(喷油螺杆)压缩机 | 第30-32页 |
| ·往复式(活塞)压缩机 | 第32-33页 |
| ·压缩机故障模式分析 | 第33-37页 |
| ·压缩机常见故障模式 | 第33-35页 |
| ·回转式(喷油螺杆)压缩机典型故障模式 | 第35-36页 |
| ·往复式(活塞)压缩机典型故障模式 | 第36-37页 |
| ·压缩机状态信号分析 | 第37-42页 |
| ·热力学参数信号 | 第38-40页 |
| ·温度信号 | 第38页 |
| ·压力信号 | 第38-39页 |
| ·流量分析 | 第39-40页 |
| ·电气参数信号 | 第40页 |
| ·动力学信号 | 第40-42页 |
| ·振动信号分析 | 第40-41页 |
| ·噪声信号分析 | 第41-42页 |
| ·压缩机状态监测试验平台设计 | 第42-48页 |
| ·虚拟仪器技术 | 第42-43页 |
| ·试验平台设计 | 第43-48页 |
| ·测试方法研究与传感器选取 | 第43-46页 |
| ·采集硬件及计算机平台 | 第46-47页 |
| ·数据采集及分析软件设计 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 3 基于参数法的压缩机状态监测研究 | 第49-68页 |
| ·智能状态预测理论研究 | 第49-55页 |
| ·预测理论与方法概述 | 第49-50页 |
| ·时间序列分析与建模 | 第50-52页 |
| ·平稳时间序列分析 | 第50-52页 |
| ·非平稳趋势的时间序列建模方法 | 第52页 |
| ·神经网络理论 | 第52-55页 |
| ·一般神经网络模型 | 第52-53页 |
| ·BP算法原理及学习步骤 | 第53-55页 |
| ·BP网络的改进算法 | 第55页 |
| ·智能状态预测理论应用 | 第55-61页 |
| ·BP网络模型预测 | 第56-58页 |
| ·神经网络模型结构与算法 | 第56-57页 |
| ·模型检验 | 第57-58页 |
| ·ARIMA组合模型预测 | 第58-61页 |
| ·压力脉动信号分析及状态监测应用 | 第61-67页 |
| ·压缩机压力信号分析 | 第61-62页 |
| ·信号的小波分析理论 | 第62-64页 |
| ·压力脉动信号小波分解应用 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 4 基于振动信号时频分析的压缩机状态监测研究 | 第68-96页 |
| ·振动信号预处理 | 第68-79页 |
| ·振动信号测试 | 第68-70页 |
| ·振动信号消噪分析 | 第70-75页 |
| ·小波包算法 | 第71-72页 |
| ·消噪原理及方法确定 | 第72-74页 |
| ·压缩机振动信号小波包消噪 | 第74-75页 |
| ·振动参量转换算法 | 第75-79页 |
| ·振动信号趋势项对软件积分的影响 | 第75-76页 |
| ·几种振动参量转换修正算法 | 第76-79页 |
| ·压缩机频响特性研究 | 第79-83页 |
| ·频响函数的定义 | 第79页 |
| ·频响特性测试原理 | 第79-81页 |
| ·激励方法分析 | 第81-82页 |
| ·频响特性测试系统设计与实验 | 第82-83页 |
| ·测试结果与分析 | 第83页 |
| ·应用连续小波变换分析压缩机的状态 | 第83-90页 |
| ·连续小波分析原理 | 第83-84页 |
| ·小波尺度—能量谱 | 第84页 |
| ·振动信号时频分析在压缩机状态监测中的应用 | 第84-87页 |
| ·研究对象及监测方法选择 | 第84-85页 |
| ·试验装置设计 | 第85-86页 |
| ·气阀振动信号分析 | 第86-87页 |
| ·基于尺度—小波能量的气阀状态监测 | 第87-90页 |
| ·离散小波分频带能量法对压缩机状态的监测 | 第90-95页 |
| ·小波包分解频带能量监测原理 | 第90-91页 |
| ·压缩机主机频率分量分析 | 第91-92页 |
| ·振动信号监测 | 第92-93页 |
| ·试验结果分析 | 第93-95页 |
| ·本章小结 | 第95-96页 |
| 5 压缩机噪声信号分析及其在状态监测中的应用研究 | 第96-113页 |
| ·噪声信号采集 | 第96-98页 |
| ·基于1/3倍频程分析的压缩机噪声源识别 | 第98-103页 |
| ·螺杆压缩机噪声源的理论分析 | 第99页 |
| ·压缩机噪声测试 | 第99-102页 |
| ·测试结果分析 | 第102-103页 |
| ·用连续小波变换识别压缩机噪声源 | 第103-107页 |
| ·频谱分析对噪声信号的处理 | 第103-105页 |
| ·连续小波变换识别压缩机噪声源 | 第105-107页 |
| ·盲源分离理论在提取压缩机噪声特征中的应用 | 第107-112页 |
| ·盲源分离理论 | 第107-110页 |
| ·盲源分离的基本原理 | 第107-108页 |
| ·算法实现 | 第108-110页 |
| ·信号仿真分析 | 第110-111页 |
| ·压缩机噪声信号盲源分离应用 | 第111-112页 |
| ·本章小结 | 第112-113页 |
| 6 多传感器信息融合理论与应用研究 | 第113-121页 |
| ·多传感器信息融合的基本原理和层次结构 | 第113-115页 |
| ·基本原理 | 第113-114页 |
| ·层次结构 | 第114-115页 |
| ·压缩机信息融合的系统结构 | 第115页 |
| ·基于D-S证据理论的决策级融合故障诊断方法研究 | 第115-119页 |
| ·D-S证据理论的基本概念 | 第115-117页 |
| ·多判据DSET融合诊断识别框架 | 第117-119页 |
| ·D-S证据组合规则 | 第118-119页 |
| ·诊断决策 | 第119页 |
| ·基于D-S证据理论的压缩机信息融合诊断分析 | 第119-120页 |
| ·本章小结 | 第120-121页 |
| 7 基于虚拟仪器的压缩机状态监测系统设计 | 第121-128页 |
| ·系统设计背景 | 第121-122页 |
| ·压缩机状态监测系统平台选择 | 第122页 |
| ·基于虚拟仪器的压缩机状态监测系统总体设计 | 第122-124页 |
| ·压缩机状态监测系统硬件设计 | 第124-125页 |
| ·压缩机状态监测系统软件设计 | 第125-127页 |
| ·本章小结 | 第127-128页 |
| 8 总结与展望 | 第128-130页 |
| 致谢 | 第130-131页 |
| 参考文献 | 第131-136页 |
| 攻读博士学位期间发表的论文及参与的科研项目 | 第136页 |
