| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·状态监测与趋势预测技术研究的目的和意义 | 第12-13页 |
| ·状态监测与趋势预测技术的发展历程和趋势 | 第13-16页 |
| ·状态监测与趋势预测技术的发展历程 | 第13-15页 |
| ·状态监测与趋势预测技术的发展趋势 | 第15-16页 |
| ·本文的研究背景 | 第16-18页 |
| ·本文的主要研究内容和整体框架 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第2章 K5403 离心式压缩机的故障机理与分析方法 | 第20-36页 |
| ·K5403 离心式压缩机简介 | 第20-21页 |
| ·结构概述 | 第20页 |
| ·主要特征参数 | 第20-21页 |
| ·K5403 离心式压缩机常见故障的机理 | 第21-26页 |
| ·转子不平衡故障的机理 | 第21-22页 |
| ·转子不对中故障的机理 | 第22-23页 |
| ·动静碰摩故障的机理 | 第23页 |
| ·转子支承系统联结松动故障的机理 | 第23-24页 |
| ·滚动轴承故障的机理 | 第24-25页 |
| ·喘振故障的机理 | 第25-26页 |
| ·故障诊断的实施过程 | 第26-27页 |
| ·基于振动信号分析处理的故障诊断方法 | 第27-35页 |
| ·幅域分析方法 | 第27-29页 |
| ·时域分析方法 | 第29-30页 |
| ·频域分析方法 | 第30-33页 |
| ·时频域——小波分析方法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 状态监测与趋势预测系统的需求分析及设计 | 第36-53页 |
| ·系统结构 | 第36-37页 |
| ·关键技术 | 第37-43页 |
| ·面向对象技术 | 第37-39页 |
| ·虚拟仪器技术 | 第39-42页 |
| ·组态技术 | 第42-43页 |
| ·基于UML 的系统需求分析 | 第43-46页 |
| ·用例的获取 | 第44-45页 |
| ·顶层用例图 | 第45页 |
| ·用例图的细化 | 第45-46页 |
| ·基于UML 的系统面向对象分析 | 第46-49页 |
| ·分析类的提取 | 第46-47页 |
| ·静态模型的建立 | 第47-48页 |
| ·系统的动态模型 | 第48-49页 |
| ·面向对象的系统设计 | 第49-52页 |
| ·系统结构设计 | 第49-50页 |
| ·系统类用例实现设计 | 第50-51页 |
| ·系统数据库设计 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 K5403 离心式压缩机趋势预测技术研究 | 第53-65页 |
| ·概述 | 第53页 |
| ·神经网络预测方法的提出 | 第53-54页 |
| ·人工神经网络 | 第54-59页 |
| ·人工神经网络简介 | 第54-55页 |
| ·BP 神经网络 | 第55-57页 |
| ·BP 神经网络存在的问题及解决办法 | 第57页 |
| ·遗传算法 | 第57-59页 |
| ·多项式前向神经网络 | 第59-62页 |
| ·多项式前向神经网络简介 | 第59-61页 |
| ·多项式神经网络迭代多步预测法 | 第61-62页 |
| ·应用实例 | 第62-64页 |
| ·预测模型的建立 | 第62-63页 |
| ·多项式神经网络迭代多步预测结果 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 K5403 离心式压缩机状态监测与趋势预测系统的实现 | 第65-81页 |
| ·监测点选择 | 第65页 |
| ·系统建立 | 第65-71页 |
| ·硬件选择 | 第65-68页 |
| ·软件实现 | 第68-71页 |
| ·系统功能 | 第71-80页 |
| ·数据采集 | 第71-73页 |
| ·状态监测 | 第73-75页 |
| ·状态分析及诊断 | 第75-80页 |
| ·本章小结 | 第80-81页 |
| 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第87-88页 |
| 致谢 | 第88页 |