| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-26页 |
| ·研究背景及意义 | 第13-14页 |
| ·故障诊断研究现状 | 第14-24页 |
| ·特征提取方法 | 第15-20页 |
| ·故障诊断方法 | 第20-22页 |
| ·风机旋转失速预测 | 第22-24页 |
| ·论文的研究内容 | 第24-26页 |
| 第2章 离心风机故障模拟实验研究 | 第26-35页 |
| ·G4-73NO8D风机实验系统 | 第26-29页 |
| ·试验台结构 | 第26-27页 |
| ·信号测量及采集系统 | 第27-29页 |
| ·风机实验故障模拟 | 第29-33页 |
| ·机械故障模拟 | 第29-32页 |
| ·旋转失速故障模拟 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第3章 基于小波包和复杂度分析的智能故障诊断研究 | 第35-66页 |
| ·故障诊断方法研究 | 第35-42页 |
| ·改进BP神经网络故障诊断方法 | 第35-38页 |
| ·改进支持向量机故障诊断方法 | 第38-42页 |
| ·基于复杂度分析的风机故障诊断 | 第42-53页 |
| ·基于样本熵特征的风机机械故障诊断 | 第42-46页 |
| ·基于符号动力学信息熵特征的风机机械故障诊断 | 第46-53页 |
| ·基于小波包分析的风机故障诊断 | 第53-64页 |
| ·基于小波包频带能量特征的风机机械故障诊断 | 第55-60页 |
| ·基于小波包奇异值特征的风机机械故障诊断 | 第60-64页 |
| ·不同故障诊断方法的比较 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第4章 基于SDP分析和图像匹配的风机故障诊断研究 | 第66-85页 |
| ·SDP分析法 | 第66-71页 |
| ·SDP公式及结构 | 第66-67页 |
| ·SDP法的参数选择 | 第67-71页 |
| ·数字图像处理方法 | 第71-73页 |
| ·图像的数字化表示方法 | 第71-73页 |
| ·图像相似度判别方法 | 第73页 |
| ·基于SDP分析的风机故障诊断 | 第73-84页 |
| ·单模板的故障匹配 | 第73-79页 |
| ·多模板的故障匹配 | 第79页 |
| ·基于聚类故障模板的故障匹配 | 第79-84页 |
| ·本章小结 | 第84-85页 |
| 第5章 基于相空间重构和支持向量机的风机旋转失速预测 | 第85-102页 |
| ·离心风机旋转失速实验 | 第85-86页 |
| ·离心风机旋转失速特征分析 | 第86-89页 |
| ·旋转失速与风机性能参数的关系 | 第86-87页 |
| ·旋转失速的频域特性分析 | 第87-88页 |
| ·旋转失速渐进过程压力信号分析 | 第88-89页 |
| ·基于相空间重构和支持向量机的失速预测模型 | 第89-96页 |
| ·失速渐进过程压力信号相空间重构 | 第90-94页 |
| ·支持向量机预测模型及其优化 | 第94-96页 |
| ·离心风机旋转失速故障预测 | 第96-100页 |
| ·单步预测 | 第96-98页 |
| ·多步预测 | 第98-100页 |
| ·本章小结 | 第100-102页 |
| 第6章 结论与展望 | 第102-104页 |
| ·结论 | 第102-103页 |
| ·研究工作的展望 | 第103-104页 |
| 参考文献 | 第104-114页 |
| 攻读博士学位期间发表的论文及其它成果 | 第114-115页 |
| 攻读博士学位期间参加的科研工作 | 第115-116页 |
| 致谢 | 第116-117页 |
| 作者简介 | 第117页 |