摘要 | 第4-7页 |
ABSTRACT | 第7-9页 |
第一章 绪论 | 第17-27页 |
1.1 课题背景 | 第17页 |
1.2 研究目的及意义 | 第17-18页 |
1.3 国内外研究现状 | 第18-21页 |
1.3.1 往复压缩机状态监测和故障诊断研究现状 | 第18-19页 |
1.3.2 特征提取方法及相空间构建研究现状 | 第19-21页 |
1.4 主题模型应用及研究现状 | 第21-24页 |
1.4.1 离散主题模型研究现状 | 第21-22页 |
1.4.2 连续主题模型研究现状 | 第22-24页 |
1.5 本文研究内容及结构安排 | 第24-27页 |
1.5.1 本文主要研究内容 | 第24-25页 |
1.5.2 本文结构安排 | 第25-27页 |
第二章 往复压缩机状态监测信号特征提取方法研究 | 第27-45页 |
2.1 往复压缩机信号振动特性分析 | 第27-29页 |
2.1.1 往复压缩机工作原理 | 第27-28页 |
2.1.2 时频特性 | 第28页 |
2.1.3 非平稳时变特性和周期性 | 第28-29页 |
2.2 往复压缩机状态监测信号特征提取 | 第29-31页 |
2.2.1 特征种类 | 第29-30页 |
2.2.2 数学形态分解 | 第30-31页 |
2.3 往复压缩机高维特征提取方法研究 | 第31-44页 |
2.3.1 时频特征 | 第34-37页 |
2.3.2 数学形态分解特征 | 第37-40页 |
2.3.3 小波包分解特征 | 第40-44页 |
2.4 本章小结 | 第44-45页 |
第三章 基于离散主题模型的往复压缩机异常检测方法研究 | 第45-65页 |
3.1 基于离散主题模型的往复压缩机异常检测方法原理 | 第45-50页 |
3.1.1 特征离散化及特征编码 | 第47页 |
3.1.2 相空间构建 | 第47-48页 |
3.1.3 JS距离 | 第48-49页 |
3.1.4 报警阈值自学习方法 | 第49-50页 |
3.2 离散主题模型 | 第50-55页 |
3.2.1 LDA主题模型 | 第51-53页 |
3.2.2 HMM-LDA主题模型 | 第53-54页 |
3.2.3 离散主题模型参数推理方法—Gibbs抽样 | 第54-55页 |
3.3 工程应用与分析 | 第55-63页 |
3.3.1 活塞杆组件磨损故障 | 第56-57页 |
3.3.2 气阀故障 | 第57-59页 |
3.3.3 活塞杆断裂故障 | 第59-61页 |
3.3.4 拉缸故障 | 第61-63页 |
3.3.5 结果对比和分析 | 第63页 |
3.4 本章小结 | 第63-65页 |
第四章 基于连续主题模型的往复压缩机异常检测方法研究 | 第65-87页 |
4.1 基于连续主题模型的往复压缩机异常检测方法原理 | 第65-67页 |
4.1.1 特征相空间构建 | 第66-67页 |
4.1.2 KL散度 | 第67页 |
4.2 狄利克雷过程混合模型 | 第67-72页 |
4.2.1 高斯混合模型 | 第68-70页 |
4.2.2 传统狄利克雷高斯混合模型 | 第70-71页 |
4.2.3 变分推断狄利克雷高斯混合模型 | 第71-72页 |
4.2.4 截棍狄利克雷高斯混合模型 | 第72页 |
4.3 工程应用与分析 | 第72-79页 |
4.3.1 活塞组件磨损故障 | 第73-74页 |
4.3.2 气阀故障 | 第74-76页 |
4.3.3 活塞杆断裂故障 | 第76-77页 |
4.3.4 拉缸故障 | 第77-79页 |
4.3.5 结果对比与分析 | 第79页 |
4.4 基于离散主题模型和连续主题模型异常检测方法对比 | 第79-84页 |
4.4.1 液积故障 | 第80-82页 |
4.4.2 撞缸故障 | 第82-83页 |
4.4.3 结果对比与分析 | 第83-84页 |
4.5 本章小结 | 第84-87页 |
第五章 基于贝叶斯推断贡献率的往复压缩机故障诊断方法研究 | 第87-97页 |
5.1 基于贝叶斯推断贡献率的往复压缩机故障诊断方法原理 | 第87-90页 |
5.1.1 贝叶斯推断贡献率 | 第88-89页 |
5.1.2 贝叶斯推断贡献率距离 | 第89-90页 |
5.2 工程应用与分析 | 第90-95页 |
5.2.1 故障决策模型构建 | 第90-93页 |
5.2.2 活塞杆断裂故障 | 第93-94页 |
5.2.3 拉缸故障 | 第94-95页 |
5.2.4 故障诊断结果分析 | 第95页 |
5.3 本章小结 | 第95-97页 |
第六章 总结与展望 | 第97-99页 |
6.1 总结 | 第97-98页 |
6.2 展望 | 第98-99页 |
参考文献 | 第99-103页 |
致谢 | 第103-105页 |
研究成果及发表的学术论文 | 第105-107页 |
作者及导师简介 | 第107-109页 |
附件 | 第109-110页 |