| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 引言 | 第8-14页 |
| ·选题产生背景、意义及目的 | 第8-9页 |
| ·选题背景及意义 | 第8页 |
| ·选题目的 | 第8-9页 |
| ·国内外研究进展与差距 | 第9-11页 |
| ·国内外大型旋转机械状态监测故障诊断发展史 | 第9-10页 |
| ·现代大型旋转机械故障诊断系统主要构成 | 第10-11页 |
| ·课题的来源 | 第11-12页 |
| ·课题研究的基本理论依据、分析方法 | 第12页 |
| ·课题对故障分析采用的主要参数 | 第12-13页 |
| ·论文的结构安排与主要工作 | 第13-14页 |
| 1 第一章 压缩机变工况运行性能参数的跟踪与预测 | 第14-19页 |
| ·离心压缩机实际热力性能曲线拟合的计算 | 第14-15页 |
| ·离心压缩机的非稳定工况简介 | 第15页 |
| ·压缩机的流量特性线的拟合 | 第15-19页 |
| 2 第二章 信号分析与处理理论的研究 | 第19-40页 |
| ·现代时频信号分析理论的研究 | 第19-28页 |
| ·大型回转机械故障诊断现状及本课题的信号分析路线 | 第28-39页 |
| ·大型回转机械故障诊断现状 | 第28-29页 |
| ·本课题采用的信号分析方法及其特点的研究 | 第29-39页 |
| ·小结 | 第39-40页 |
| 3 第三章 多分量神经网络预测模型的理论研究 | 第40-55页 |
| ·预测的基本理论 | 第40-41页 |
| ·神经网络用于非平稳时间序列预测 | 第41-53页 |
| ·基于BP神经网络L-M训练法的非平稳时间序列预测研究 | 第42-43页 |
| ·基于RBF神经网络的非平稳时间序列预测研究 | 第43-50页 |
| ·基于自适应线性元件网络的非平稳时间序列预测研究 | 第50-53页 |
| ·小结 | 第53-55页 |
| 4 第四章 在线监测系统硬件设计 | 第55-56页 |
| ·压缩机组系统分析 | 第55页 |
| ·压缩机组被测参数确定 | 第55页 |
| ·系统硬件构成 | 第55-56页 |
| 5 第五章 在线监测系统软件设计 | 第56-64页 |
| ·系统软件功能介绍 | 第56-57页 |
| ·系统软件功能结构及用户界面展示 | 第57页 |
| ·系统模块介绍 | 第57-62页 |
| ·分析结果举例显示 | 第62-63页 |
| ·结果输出 | 第63-64页 |
| 6第六章 信息处理与故障诊断的应用研究 | 第64-75页 |
| ·FFT与小波结合对旋转失速过程分析的研究 | 第64-69页 |
| ·基于重心重排平滑Wigner-Ville分布的故障特征提取方法 | 第69-71页 |
| ·神经网络在离心压缩机智能故障诊断中应用的研究 | 第71-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 攻读硕士学位期间发表学术论文情况 | 第78-79页 |
| 致谢 | 第79-80页 |
| 大连理工大学学位论文版权使用授权书 | 第80页 |