小型风冷热泵机组的故障诊断研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 故障诊断方法综述 | 第14-16页 |
| 1.2.1 定性分析的方法 | 第15页 |
| 1.2.2 定量分析的方法 | 第15-16页 |
| 1.3 制冷系统中的故障诊断研究 | 第16-20页 |
| 1.3.1 国外研究状况 | 第16-18页 |
| 1.3.2 国内研究状况 | 第18-19页 |
| 1.3.3 存在的问题 | 第19-20页 |
| 1.4 本文研究的主要内容 | 第20-21页 |
| 第2章 故障模拟实验系统设计与结果分析 | 第21-38页 |
| 2.1 引言 | 第21页 |
| 2.2 制冷系统原理简介 | 第21-24页 |
| 2.3 实验系统设计 | 第24-28页 |
| 2.3.1 故障模拟试验台 | 第24-26页 |
| 2.3.2 数据采集系统 | 第26-28页 |
| 2.4 制冷设备故障分析 | 第28-37页 |
| 2.4.1 制冷系统故障总体概述 | 第28-29页 |
| 2.4.2 典型故障理论分析 | 第29-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 基于主元分析的故障检测研究 | 第38-48页 |
| 3.1 引言 | 第38页 |
| 3.2 故障检测策略 | 第38-39页 |
| 3.3 主元分析的原理 | 第39-41页 |
| 3.3.1 主元分析简介 | 第39页 |
| 3.3.2 主元分析的数学模型 | 第39-41页 |
| 3.4 主元分析在故障检测中的应用 | 第41-47页 |
| 3.4.1 故障检测模型 | 第42页 |
| 3.4.2 故障检测结果分析 | 第42-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于可拓物元模型的故障诊断 | 第48-61页 |
| 4.1 引言 | 第48页 |
| 4.2 可拓学理论 | 第48-49页 |
| 4.2.1 物元模型简介 | 第48-49页 |
| 4.2.2 可拓分析 | 第49页 |
| 4.2.3 可拓集合 | 第49页 |
| 4.3 关联函数 | 第49-52页 |
| 4.3.1 关联函数定义 | 第50-51页 |
| 4.3.2 距、侧距的概念 | 第51-52页 |
| 4.4 可拓物元诊断的模型 | 第52-56页 |
| 4.4.1 确定经典域与节域模型 | 第52-53页 |
| 4.4.2 关联函数计算 | 第53-54页 |
| 4.4.3 特征参数权值的确定 | 第54-56页 |
| 4.5 应用与仿真结果分析 | 第56-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 免疫算法对可拓物元模型的优化研究 | 第61-72页 |
| 5.1 引言 | 第61页 |
| 5.2 故障诊断的免疫框架 | 第61-63页 |
| 5.2.1 基本的免疫算法 | 第61-62页 |
| 5.2.2 诊断框架 | 第62-63页 |
| 5.3 可拓免疫算法 | 第63-65页 |
| 5.3.1 可拓免疫算法模型 | 第63-64页 |
| 5.3.2 B细胞诊断模型的产生和训练 | 第64-65页 |
| 5.4 模型验证与分析 | 第65-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 本文工作总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 附录 | 第79页 |
