| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 创新点摘要 | 第8-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题背景与研究意义 | 第11页 |
| 1.2 往复压缩机故障诊断的发展与研究现状 | 第11-12页 |
| 1.3 课题相关方法研究概述 | 第12-13页 |
| 1.3.1 往复压缩机故障信号特征提取分析方法 | 第12-13页 |
| 1.3.2 信号共振稀疏分解方法的研究现状 | 第13页 |
| 1.3.3 故障智能识别方法研究现状 | 第13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第二章 基于分层混合优化的信号共振稀疏分解方法 | 第15-30页 |
| 2.1 信号共振稀疏分解方法 | 第15-20页 |
| 2.1.1 信号的共振属性 | 第15-17页 |
| 2.1.2 品质因子可调小波变换 | 第17-19页 |
| 2.1.3 共振分量的分离 | 第19-20页 |
| 2.2 分层混合优化的品质因子寻优 | 第20-23页 |
| 2.2.1 遗传算法 | 第20-21页 |
| 2.2.2 粒子群算法 | 第21-22页 |
| 2.2.3 分层混合优化的品质因子寻优 | 第22-23页 |
| 2.3 仿真与实测信号验证 | 第23-29页 |
| 2.3.1 仿真信号验证 | 第23-27页 |
| 2.3.2 实测信号分析实例 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 层次模糊熵理论及仿真信号分析 | 第30-37页 |
| 3.1 层次模糊熵的基础理论 | 第30-32页 |
| 3.1.1 样本熵 | 第30-31页 |
| 3.1.2 模糊熵 | 第31-32页 |
| 3.1.3 多尺度模糊熵 | 第32页 |
| 3.2 层次模糊熵的算法步骤及参数选择 | 第32-36页 |
| 3.2.1 层次模糊熵的算法步骤 | 第32-34页 |
| 3.2.2 参数的选取 | 第34页 |
| 3.2.3 算法优势分析 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于最优品质因子信号共振稀疏分解与HFE的往复压缩机故障诊断方法应用 | 第37-54页 |
| 4.1 往复压缩机故障数据采集与机理分析 | 第37-41页 |
| 4.1.1 往复压缩机结构和工作原理 | 第37-38页 |
| 4.1.2 往复压缩机常见故障机理分析 | 第38-40页 |
| 4.1.3 往复压缩机振动信号采集原则 | 第40页 |
| 4.1.4 往复压缩机测点布置 | 第40-41页 |
| 4.2 往复压缩机故障诊断方法 | 第41-43页 |
| 4.2.1 故障实验研究 | 第41-42页 |
| 4.2.2 故障特征提取 | 第42页 |
| 4.2.3 故障特征识别 | 第42-43页 |
| 4.3 往复压缩机故障诊断方法应用 | 第43-44页 |
| 4.3.1 最优品质因子信号共振稀疏分解与HFE的往复压缩机故障诊断方法概述 | 第43页 |
| 4.3.2 算法流程 | 第43-44页 |
| 4.4 往复压缩机故障诊断实例 | 第44-53页 |
| 4.4.1 往复压缩机轴承故障诊断 | 第44-49页 |
| 4.4.2 往复压缩机气阀故障诊断 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 发表文章目录 | 第58-59页 |
| 致谢 | 第59-60页 |