| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 课题背景及意义 | 第13-14页 |
| 1.2 设备故障诊断发展现状 | 第14-16页 |
| 1.3 往复压缩机智能诊断国内外的研究现状及展望 | 第16-18页 |
| 1.4 往复压缩机常见故障及诊断方法介绍 | 第18-22页 |
| 1.4.1 往复压缩机常见故障介绍 | 第18-21页 |
| 1.4.2 往复压缩机常见诊断方法介绍 | 第21-22页 |
| 1.5 论文主要内容以及新颖性 | 第22-25页 |
| 第二章 往复压缩机气阀结构模型及常见失效形式 | 第25-31页 |
| 2.1 往复压缩机气阀发展介绍 | 第25页 |
| 2.2 气阀的结构模型 | 第25-27页 |
| 2.3 气阀的常见失效形式 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于归一化复杂度的往复压缩机排气阀故障诊断方法 | 第31-53页 |
| 3.1 归一化复杂度介绍 | 第31-34页 |
| 3.1.1 归一化复杂度的概念 | 第31-32页 |
| 3.1.2 归一化复杂度的计算方法 | 第32-34页 |
| 3.2 信号预处理方法介绍 | 第34-45页 |
| 3.2.1 小波阈值去噪 | 第35-37页 |
| 3.2.2 EMD分解 | 第37-45页 |
| 3.2.3 相关系数 | 第45页 |
| 3.3 实验验证及分析 | 第45-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 基于能量比的往复压缩机排气阀故障诊断方法 | 第53-69页 |
| 4.1 小波包分析在往复压缩机故障诊断中的应用 | 第53-55页 |
| 4.1.1 小波包分析介绍 | 第53-54页 |
| 4.1.2 基于小波包能量的往复压缩机气阀故障特征提取 | 第54-55页 |
| 4.2 实验验证及分析 | 第55-67页 |
| 4.3 本章小结 | 第67-69页 |
| 第五章 基于神经网络的往复压缩机排气阀故障诊断方法 | 第69-87页 |
| 5.1 时域特征参数在往复压缩机故障诊断中的应用 | 第69-71页 |
| 5.2 神经网络 | 第71-75页 |
| 5.2.1 BP神经网络 | 第72-74页 |
| 5.2.2 RBF神经网络 | 第74-75页 |
| 5.3 实验验证及分析 | 第75-85页 |
| 5.4 本章小结 | 第85-87页 |
| 第六章 结论及展望 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 致谢 | 第93-95页 |
| 研究成果及发表的学术论文 | 第95-97页 |
| 作者和导师简介 | 第97-98页 |
| 附件 | 第98-99页 |
