三缸往复泵泵阀故障诊断
| 论文摘要 | 第1-5页 |
| 英文摘要 | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 引言 | 第9-12页 |
| 1 设备故障诊断的方法与实现 | 第12-18页 |
| ·故障诊断技术概述 | 第12页 |
| ·故障诊断的主要内容 | 第12-13页 |
| ·故障诊断的实现方法 | 第13-14页 |
| ·故障诊断的任务 | 第14-15页 |
| ·智能故障诊断方法综述 | 第15-17页 |
| ·基于人工神经网络的故障诊断方法 | 第15页 |
| ·基于模糊逻辑推理的故障诊断方法 | 第15-16页 |
| ·基于粗糙集的故障诊断方法 | 第16页 |
| ·基于专家系统的故障诊断方法 | 第16-17页 |
| ·基于人工免疫系统的故障诊断方法 | 第17页 |
| ·本文采用的往复泵泵阀故障诊断方法 | 第17-18页 |
| 2 振动信号的采集 | 第18-31页 |
| ·试验方案与试验装置 | 第18-20页 |
| ·状态参数的选择 | 第18-19页 |
| ·试验装置 | 第19-20页 |
| ·振动信号的采集 | 第20-21页 |
| ·信号采样 | 第20页 |
| ·采样频率 | 第20-21页 |
| ·采样点数 | 第21页 |
| ·试验过程 | 第21-30页 |
| ·泵阀故障类型设置 | 第21页 |
| ·正常状态测试 | 第21-24页 |
| ·故障状态测试 | 第24-30页 |
| ·小结 | 第30-31页 |
| 3 振动信号故障特征 | 第31-44页 |
| ·幅值域故障特征提取 | 第31-33页 |
| ·基于小波包的泵阀故障特征提取 | 第33-42页 |
| ·小波及小波包基本理论 | 第33-35页 |
| ·常用小波函数及其性质 | 第35-36页 |
| ·小波包分析 | 第36-38页 |
| ·利用小波包分析提取故障特征 | 第38-42页 |
| ·小结 | 第42-44页 |
| 4 基于BP 神经网络的泵阀故障诊断 | 第44-55页 |
| ·神经网络的模型 | 第44-47页 |
| ·神经元模型 | 第44-46页 |
| ·BP 神经网络结构 | 第46-47页 |
| ·BP 算法 | 第47-49页 |
| ·BP 算法的学习 | 第47-48页 |
| ·BP 算法的改进 | 第48-49页 |
| ·BP 网络的设计 | 第49-51页 |
| ·网络的层数 | 第49-50页 |
| ·隐含层的神经元数 | 第50页 |
| ·初始权值的选取 | 第50页 |
| ·学习速率 | 第50-51页 |
| ·期望误差的选取 | 第51页 |
| ·基于 BP 神经网络的往复泵泵阀故障诊断 | 第51-54页 |
| ·神经网络进行故障诊断的过程 | 第51页 |
| ·BP 神经网络的构建 | 第51-52页 |
| ·BP 神经网络的训练 | 第52-53页 |
| ·BP 神经网络的故障诊断效果检验 | 第53-54页 |
| ·小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 详细摘要 | 第60-63页 |
