| 第一章 前言 | 第1-20页 |
| ·概述 | 第12-14页 |
| ·本课题背景 | 第14-17页 |
| ·本课题研究内容 | 第17-18页 |
| ·本课题研究步骤 | 第18-20页 |
| 第二章 故障诊断方法综述 | 第20-30页 |
| ·故障诊断的定义 | 第20-23页 |
| ·异常状态的检测 | 第20-22页 |
| ·故障的预测和预报 | 第22-23页 |
| ·故障诊断的目的 | 第23-24页 |
| ·故障诊断的任务 | 第24-25页 |
| ·当前国内外研究状况及诊断手段和发展方向 | 第25-30页 |
| 第三章 钠泵的故障诊断 | 第30-49页 |
| ·钠泵的组成 | 第30-32页 |
| ·概述 | 第30-31页 |
| ·设计基准 | 第31-32页 |
| ·运行工况 | 第32页 |
| ·泵常见故障 | 第32-34页 |
| ·钠泵诊断的方法 | 第34-35页 |
| ·钠泵的故障仿真 | 第35-40页 |
| ·不对中故障 | 第36页 |
| ·转子裂纹故障 | 第36-37页 |
| ·动静件碰摩故障 | 第37-38页 |
| ·机件松动 | 第38页 |
| ·转速不匹配 | 第38-39页 |
| ·SIMULINK简介 | 第39-40页 |
| ·本课题采用的诊断方法 | 第40-49页 |
| ·故障诊断专家系统 | 第41-42页 |
| ·小波故障诊断机理 | 第42-47页 |
| ·RBF自适应神经网络 | 第47-48页 |
| ·主元分析的故障诊断 | 第48-49页 |
| 第四章 基于小波包的故障诊断 | 第49-80页 |
| ·小波包定义 | 第49-51页 |
| ·相关的概念和相关系数 | 第51-53页 |
| ·相关概念 | 第51页 |
| ·相关系数 | 第51-53页 |
| ·小波包故障诊断原理 | 第53-54页 |
| ·小波包故障诊断在钠泵故障诊断中的应用 | 第54-69页 |
| ·建立五种故障的频带信号 | 第54-57页 |
| ·待测故障分析 | 第57-69页 |
| ·利用频谱的分析 | 第69-70页 |
| ·对实测数据的分析 | 第70-75页 |
| ·对待测信号的分析 | 第75-79页 |
| ·小结 | 第79-80页 |
| 第五章 基于自适应神经网络的故障诊断 | 第80-104页 |
| ·前言 | 第80-82页 |
| ·RBF神经网络 | 第82-86页 |
| ·RBF网络概述 | 第82-84页 |
| ·k均值聚类法(k-means clustering) | 第84-85页 |
| ·确定标量参数σ | 第85-86页 |
| ·训练线性层权重 | 第86页 |
| ·RBF网络的特点 | 第86-87页 |
| ·用于故障诊断的RBF网络的自适应算法 | 第87-91页 |
| ·基于自适应RBF网络的故障诊断方法 | 第91-93页 |
| ·离线诊断与在线诊断 | 第91-93页 |
| ·在中国实验快堆钠泵的故障诊断应用 | 第93-99页 |
| ·改进后的自适应RBF算法对钠泵故障的诊断 | 第99-102页 |
| ·含噪声信号的故障检测 | 第102-103页 |
| ·结论 | 第103-104页 |
| 第六章 基于主元分析的主冷却剂泵故障诊断 | 第104-126页 |
| ·前言 | 第104页 |
| ·多方向主元分析法 | 第104-109页 |
| ·主元分析 | 第105-107页 |
| ·主元模型 | 第107-108页 |
| ·基于主元分析的故障诊断法 | 第108-109页 |
| ·主元分析在主冷却剂泵故障诊断中的应用 | 第109-122页 |
| ·主冷却剂泵的工况 | 第109-110页 |
| ·主元分析在主冷却剂泵故障诊断中的应用 | 第110-122页 |
| ·软件使用说明 | 第122-125页 |
| ·结论 | 第125-126页 |
| 第七章 诊断方法的比较 | 第126-129页 |
| ·引言 | 第126页 |
| ·小波包分析技术 | 第126-127页 |
| ·自适应RBF网络分析技术 | 第127页 |
| ·主元分析技术 | 第127-129页 |
| 第八章 结束语 | 第129-131页 |
| 致谢 | 第131-132页 |
| 参考文献 | 第132-141页 |
| 在攻博期间发表的文章 | 第141页 |