| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 第1章 前言 | 第10-21页 |
| ·引言 | 第10页 |
| ·论文选题的目的及意义 | 第10-11页 |
| ·机械设备故障诊断与寿命预测技术概述 | 第11-17页 |
| ·设备故障诊断技术概述 | 第11-14页 |
| ·设备寿命预测技术概述 | 第14-17页 |
| ·国内外研究现状 | 第17-18页 |
| ·论文的主要研究内容 | 第18-21页 |
| 第2章 3NB-1300C钻井泵及其信号采集 | 第21-32页 |
| ·3NB-1300C泵简介 | 第21-23页 |
| ·3NB-1300C泵的基本结构及工作参数 | 第22页 |
| ·3NB-1300C泵吸入阀、排出阀的关闭规律 | 第22-23页 |
| ·3NB-1300C泵动力端各关键轴承主要尺寸 | 第23页 |
| ·3NB-1300C钻井泵的信号采集 | 第23-26页 |
| ·实验装置及测试系统组成 | 第23-24页 |
| ·测试系统的测点布置 | 第24-25页 |
| ·共振解调仪JK9541FE简介 | 第25-26页 |
| ·信号采集硬件系统操作说明 | 第26-28页 |
| ·系统的连接和相关仪器的设置 | 第26-27页 |
| ·测试时硬件的调整 | 第27页 |
| ·测试采集数据的操作 | 第27-28页 |
| ·轴承寿命试验台简介 | 第28-32页 |
| 第3章 3NB-1300C钻井泵信号分析与处理 | 第32-53页 |
| ·轴承故障特征频率分析 | 第32-33页 |
| ·旋转轴精确转频的求取方法 | 第33-40页 |
| ·转频的计算方法 | 第33-35页 |
| ·用择近原则精确调节转频 | 第35-37页 |
| ·应用实例 | 第37-40页 |
| ·3NB-1300C钻井泵信号的特征参数分析方法 | 第40-43页 |
| ·幅值域特征参数分析法 | 第40-41页 |
| ·频域特征参数法 | 第41-43页 |
| ·小波及小波包分析方法 | 第43-49页 |
| ·数据批处理 | 第49-53页 |
| 第4章 3NB-1300C钻井泵状态识别方法 | 第53-73页 |
| ·BP神经网络识别法 | 第53-59页 |
| ·BP神经元模型 | 第53-55页 |
| ·BP网络结构 | 第55-56页 |
| ·BP学习算法 | 第56-59页 |
| ·学习速率的调整 | 第59页 |
| ·RBF神经网络识别法 | 第59-66页 |
| ·RBF神经元模型 | 第59-61页 |
| ·RBF网络结构 | 第61页 |
| ·高斯函数表达式 | 第61-62页 |
| ·归一化参数的确定 | 第62-63页 |
| ·RBF学习算法 | 第63-66页 |
| ·神经网络参数的确定 | 第66-73页 |
| ·网络样本的确定 | 第66-68页 |
| ·RBF网络分布系数的选择 | 第68-72页 |
| ·BP网络隐层节点数的选择 | 第72-73页 |
| 第5章 3NB-1300C钻井泵液力端诊断 | 第73-86页 |
| ·液力端阀关闭、缸套振动信号的提取 | 第73-77页 |
| ·有时标信号时振动信号的提取 | 第73-74页 |
| ·无时标信号时振动信号的提取 | 第74-77页 |
| ·阀与缸套的信号处理 | 第77-81页 |
| ·阀与缸套的神经网络识别 | 第81-86页 |
| 第6章 3NB-1300C钻井泵寿命预测研究 | 第86-102页 |
| ·3NB-1300C钻井泵动力端寿命预测模型的建立 | 第86-89页 |
| ·寿命预测系统简介 | 第89-90页 |
| ·软件的操作说明 | 第90-102页 |
| 第7章 结论 | 第102-104页 |
| ·结论 | 第102页 |
| ·展望 | 第102-104页 |
| 参考文献 | 第104-110页 |
| 致谢 | 第110-111页 |
| 个人简历、在学期间的研究成果 | 第111页 |