基于振动信号分析的故障诊断理论与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究课题的理论意义及应用价值 | 第9页 |
| 1.2 故障诊断技术的现状 | 第9-11页 |
| 1.3 故障诊断的内容和发展趋势 | 第11-13页 |
| 1.3.1 故障诊断的内容 | 第11-12页 |
| 1.3.2 故障诊断的发展趋势 | 第12-13页 |
| 1.4 本文的主要研究内容 | 第13页 |
| 1.5 论文安排 | 第13-14页 |
| 第二章 游梁式抽油机技术 | 第14-21页 |
| 2.1 游梁式抽油机概述 | 第14-18页 |
| 2.1.1 游梁式抽油机的工作原理和基本结构 | 第14-15页 |
| 2.1.2 游梁式抽油机的特点 | 第15-17页 |
| 2.1.3 游梁式抽油机的分类 | 第17-18页 |
| 2.2 游梁式抽油机主要的故障及故障原因 | 第18-19页 |
| 2.3 游梁式抽油机主要的传统故障诊断方法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 机械振动信号及其处理方法 | 第21-35页 |
| 3.1 机械振动信号处理的基本概念 | 第21-22页 |
| 3.1.1 机械振动的定义 | 第21页 |
| 3.1.2 振动的分类 | 第21-22页 |
| 3.2 游梁式抽油机振动信号的数据采集 | 第22-25页 |
| 3.2.1 游梁式抽油机的振动数据采集 | 第22-23页 |
| 3.2.2 振动传感器 | 第23-25页 |
| 3.3 振动信号处理技术 | 第25-29页 |
| 3.3.1 振动信号预处理方法 | 第25页 |
| 3.3.2 振动信号时域处理方法 | 第25-27页 |
| 3.3.3 振动信号频域处理方法 | 第27-29页 |
| 3.4 游梁式抽油机振动故障分类及频率特征 | 第29-34页 |
| 3.4.1 电动机振动故障诊断 | 第29-31页 |
| 3.4.2 减速器的振动故障诊断 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 递归神经网络 | 第35-43页 |
| 4.1 BP神经网络 | 第35-37页 |
| 4.1.1 BP神经网络概述 | 第35-36页 |
| 4.1.2 BP学习算法的改进 | 第36-37页 |
| 4.2 递归神经网络 | 第37-42页 |
| 4.2.1 递归神经网络基本知识 | 第37-39页 |
| 4.2.2 带偏差单元的递归神经网络 | 第39-40页 |
| 4.2.3 带有偏差单元递归神经网络的算法推导 | 第40-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 游梁式抽油机的振动数据处理和仿真研究 | 第43-54页 |
| 5.1 故障特征向量的构造 | 第43-45页 |
| 5.1.1 抽油机故障类型的确定 | 第43-44页 |
| 5.1.2 振动故障样本的选取 | 第44-45页 |
| 5.2 带偏差单元递归神经网络的建立 | 第45-49页 |
| 5.2.1 IRN网络的学习流程 | 第45-47页 |
| 5.2.2 IRN网络结构参数的选取 | 第47-49页 |
| 5.3 抽油机故障诊断测试 | 第49-53页 |
| 5.3.1 应用IRN的故障诊断 | 第49-50页 |
| 5.3.2 应用BP的故障诊断 | 第50-51页 |
| 5.3.3 IRN与BP神经网络的比较 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 发表文章目录 | 第59-60页 |
| 致谢 | 第60-61页 |
| 详细摘要 | 第61-68页 |
