| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 选题的目的和意义 | 第9-10页 |
| 1.3 压缩机状态检测技术国内外研究概述 | 第10-12页 |
| 1.4 论文的主要内容 | 第12-13页 |
| 第2章 离心式压缩机常见故障诊断及监测方法 | 第13-26页 |
| 2.1 离心式压缩机工作原理、结构及优点 | 第13-16页 |
| 2.1.1 离心式压缩机工作原理 | 第13页 |
| 2.1.2 离心式压缩机的结构 | 第13-16页 |
| 2.1.3 离心式压缩机的优点 | 第16页 |
| 2.2 离心式空气压缩机常见故障 | 第16-23页 |
| 2.2.1 离心式空气压缩机异常振动 | 第17-18页 |
| 2.2.2 离心式压缩机轴向推力过大及轴位移增加 | 第18页 |
| 2.2.3 离心式压缩机轴承故障 | 第18-19页 |
| 2.2.4 离心式压缩机喘振 | 第19-20页 |
| 2.2.5 离心式压缩机泄漏 | 第20-21页 |
| 2.2.6 离心式压缩机驱动机超负荷故障 | 第21-22页 |
| 2.2.7 压缩机润滑系统故障 | 第22-23页 |
| 2.2.8 压缩机联轴节故障 | 第23页 |
| 2.3 系统监测内容 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 第3章 基于小波变换的在线监测及诊断系统设计 | 第26-48页 |
| 3.1 在线监测信号的预处理 | 第26-27页 |
| 3.1.1 信号预处理的主要内容 | 第26页 |
| 3.1.2 信号的软件预处理 | 第26-27页 |
| 3.2 基于小波变换的消噪处理方法 | 第27-32页 |
| 3.2.1 常见滤波方法 | 第27-28页 |
| 3.2.2 小波消噪 | 第28-30页 |
| 3.2.3 小波包去噪 | 第30-32页 |
| 3.3 仿真信号试验 | 第32-37页 |
| 3.4 压缩机状态检测及故障诊断系统总体结构 | 第37-38页 |
| 3.5 状态检测及故障诊断软硬件构成 | 第38-47页 |
| 3.5.1 软件设计 | 第38-44页 |
| 3.5.2 硬件简介 | 第44-47页 |
| 3.6 小结 | 第47-48页 |
| 第4章 离心式压缩机故障诊断研究 | 第48-63页 |
| 4.1 大型机械系统故障的特征及其识别 | 第48-52页 |
| 4.1.1 机械系统故障的特征 | 第48-49页 |
| 4.1.2 系统故障识别 | 第49-52页 |
| 4.2 离心式压缩机典型故障特征集 | 第52-53页 |
| 4.3 基于小波变换的故障信号特征提取 | 第53-54页 |
| 4.4 基于BP神经网络的故障诊断模型 | 第54-61页 |
| 4.4.1 常见故障诊断模型 | 第54-56页 |
| 4.4.2 人工神经网络基本理论 | 第56-58页 |
| 4.4.3 BP神经网络故障诊断的设计思路 | 第58-60页 |
| 4.4.4 BP神经网络仿真准确度验证 | 第60-61页 |
| 4.5 基于振动信号的故障诊断分析 | 第61-62页 |
| 4.6 小结 | 第62-63页 |
| 第5章 系统在实际中的应用 | 第63-74页 |
| 5.1 系统现场应用 | 第63-69页 |
| 5.1.1 采集器、传感器的在线监视 | 第64-65页 |
| 5.1.2 在线监测工作状态 | 第65页 |
| 5.1.3 历史状态回顾 | 第65-66页 |
| 5.1.4 信号分析 | 第66-68页 |
| 5.1.5 故障诊断 | 第68-69页 |
| 5.2 实例：2011年12月 25日K6601跳车分析报告 | 第69-73页 |
| 5.3 小结 | 第73-74页 |
| 第6章 结论与展望 | 第74-76页 |
| 6.1 结论 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-78页 |