| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题研究背景及意义 | 第7-8页 |
| ·柱塞泵故障诊断的国内外研究现状 | 第8-10页 |
| ·课题研究内容 | 第10-11页 |
| 第二章 柱塞泵介绍与故障机理分析 | 第11-17页 |
| ·柱塞泵介绍和故障机理相关分析 | 第11-15页 |
| ·柱塞泵的结构及工作原理 | 第12-13页 |
| ·柱塞泵常见故障及特性分析 | 第13-15页 |
| ·柱塞泵振动信号的频谱分析介绍 | 第15-16页 |
| ·功率谱 | 第15页 |
| ·Hilbert 包络谱 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 基于柱塞泵故障诊断的 EMD与 AR 序列模型结合的特征提取方法 | 第17-23页 |
| ·EMD 原理 | 第17-19页 |
| ·基于极值点的特征尺度 | 第17页 |
| ·本征模态函数 | 第17-18页 |
| ·EMD 过程 | 第18-19页 |
| ·AR 模型介绍 | 第19-20页 |
| ·时序模型概念 | 第19-20页 |
| ·自回归模型的参数计算 | 第20页 |
| ·自回归模型的阶数确定 | 第20页 |
| ·EMD 及 AR 模型结合的特征提取方法 | 第20-21页 |
| ·特征参数的筛选 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第四章 基于神经网络方法的柱塞泵故障诊断 | 第23-42页 |
| ·灰色神经网络方法及理论 | 第23-25页 |
| ·灰色理论与神经网络结合方法 | 第23-24页 |
| ·灰色神经网络设计 | 第24-25页 |
| ·基于柱塞泵故障诊断的信号处理 | 第25-33页 |
| ·小波分解 | 第25-28页 |
| ·小波包消噪 | 第28-30页 |
| ·Hilbert 变换包络解调 | 第30-33页 |
| ·基于柱塞泵故障诊断的特征向量提取 | 第33-38页 |
| ·小波包能量特征提取 | 第33-36页 |
| ·幅值域特征向量提取 | 第36-38页 |
| ·灰色神经网络故障诊断 | 第38-41页 |
| ·时频域特征向量诊断 | 第39-41页 |
| ·幅值域特征向量诊断 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第五章 柱塞泵 EMD实验数据分析 | 第42-56页 |
| ·柱塞泵 EMD实验台 | 第42-45页 |
| ·实验台及信号的采集系统相关介绍 | 第42-44页 |
| ·实验中的参数与元件故障设置 | 第44页 |
| ·实验在线监测参数分析 | 第44-45页 |
| ·柱塞泵振动数据的提取 | 第45-46页 |
| ·柱塞泵振动数据的 EMD | 第46-50页 |
| ·AR 模型参数的提取 | 第50-53页 |
| ·bootstrap 方法 | 第51-52页 |
| ·FAM 分类精确度均值估计 | 第52-53页 |
| ·基于距离的特征参数优选 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 全文结论与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |