摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第10-19页 |
1.1 课题研究背景 | 第10-11页 |
1.2 课题研究目的及意义 | 第11-12页 |
1.3 国内外研究现状及存在的问题 | 第12-15页 |
1.3.1 数据驱动的国内外研究现状 | 第12-14页 |
1.3.2 数据驱动应用在石化装备故障诊断领域的研究现状及问题 | 第14-15页 |
1.4 论文的研究内容及结构安排 | 第15-18页 |
1.5 小结 | 第18-19页 |
第二章 石化装备轴承智能故障诊断系统需求分析及数据采集技术 | 第19-27页 |
2.1 石化装备轴承智能故障诊断系统需求分析及故障配件装置 | 第19-22页 |
2.1.1 石化装备轴承智能故障诊断系统需求分析 | 第19-20页 |
2.1.2 石化装备轴承智能故障诊断系统故障配件装置 | 第20-22页 |
2.2 石化装备轴承智能故障诊断系统数据采集与处理 | 第22-25页 |
2.2.1 石化装备轴承智能故障诊断系统数据采集与处理总体框架 | 第22-24页 |
2.2.2 石化装备轴承智能故障诊断系统数据采集与处理具体实现 | 第24-25页 |
2.3 数据驱动技术应用在石化装备故障诊断中的优劣分析 | 第25-26页 |
2.4 小结 | 第26-27页 |
第三章 数据驱动下滚动轴承复合故障的信号降噪方法 | 第27-35页 |
3.1 滚动轴承故障信号降噪背景 | 第27-28页 |
3.1.1 石化装备滚动轴承振动机理及噪声产生过程 | 第27页 |
3.1.2 石化装备滚动轴承失效形式及特征分析 | 第27-28页 |
3.2 改进的滚动轴承故障信号小波阈值降噪方法 | 第28-31页 |
3.2.1 小波降噪的基本原理 | 第28-29页 |
3.2.2 传统小波降噪的阈值选取方法 | 第29-30页 |
3.2.3 改进的滚动轴承故障信号小波阈值降噪方法 | 第30-31页 |
3.3 实验仿真与结果分析 | 第31-34页 |
3.3.1 模拟仿真 | 第31-32页 |
3.3.2 实例仿真 | 第32-34页 |
3.4 本章小结 | 第34-35页 |
第四章 数据驱动下耦合交互的滚动轴承复合故障解耦诊断方法 | 第35-49页 |
4.1 引言 | 第35页 |
4.2 数据驱动下线性判别分析的滚动轴承复合故障解耦诊断方法 | 第35-42页 |
4.2.1 线性判别分析解耦基础理论 | 第35-38页 |
4.2.2 数据驱动下基于线性判别分析解耦的BP诊断方法 | 第38页 |
4.2.3 数据驱动下基于线性判别分析解耦诊断方法的仿真验证 | 第38-42页 |
4.3 数据驱动下改进线性判别分析的滚动轴承复合故障解耦诊断方法 | 第42-48页 |
4.3.1 核函数作用下线性判别分析解耦理论 | 第42-44页 |
4.3.2 数据驱动下核线性判别分析解耦的ELM故障模式辨识方法 | 第44-45页 |
4.3.3 数据驱动下耦合交互的滚动轴承复合故障解耦诊断算法设计 | 第45页 |
4.3.4 算法验证及仿真分析 | 第45-48页 |
4.4 本章小结 | 第48-49页 |
第五章 数据驱动下滚动轴承复合故障信号盲源分离辨识诊断方法 | 第49-62页 |
5.1 引言 | 第49页 |
5.2 盲源分离理论概述 | 第49-52页 |
5.2.1 盲源分离基本思想 | 第49-50页 |
5.2.2 多故障信号盲源分离辨识规则 | 第50-52页 |
5.3 数据驱动下滚动轴承复合故障信号的盲源分离辨识与诊断方法 | 第52-60页 |
5.3.1 滚动轴承复合故障信号盲源分离辨识与诊断方法 | 第52-53页 |
5.3.2 算法评价指标 | 第53-54页 |
5.3.3 滚动轴承复合故障信号分离辨识与诊断算法设计 | 第54-55页 |
5.3.4 算法验证及仿真分析 | 第55-60页 |
5.4 石化装备智能故障诊断系统GUI设计 | 第60-61页 |
5.5 本章小结 | 第61-62页 |
第六章 总结与展望 | 第62-65页 |
6.1 论文结论 | 第62-63页 |
6.2 主要创新点 | 第63-64页 |
6.3 研究展望 | 第64-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-69页 |
作者在攻读硕士期间的主要工作目录 | 第69页 |
一、发表的论文 | 第69页 |
二、申请的专利 | 第69页 |
三、参与的科研项目 | 第69页 |