| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1. 绪论 | 第10-14页 |
| ·选题的意义和背景 | 第10页 |
| ·风机故障诊断的国内外发展现状 | 第10-11页 |
| ·风机故障诊断的发展趋势 | 第11-12页 |
| ·小波分析进行风机故障诊断的意义 | 第12页 |
| ·论文的章节安排 | 第12-14页 |
| 2. 主抽风机设备状态监测与故障诊断系统体系结构 | 第14-23页 |
| ·主抽风机设备状态监测与故障诊断系统的功能 | 第14-15页 |
| ·主抽风机设备状态检测与故障诊断系统的体系结构 | 第15-17页 |
| ·主抽风机振动信号的采集与处理 | 第17-22页 |
| ·主抽风机机组简介 | 第17-18页 |
| ·主抽风机振动数据采集 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 3. 基于传统频谱分析的主抽风机设备故障诊断 | 第23-30页 |
| ·主抽风机设备的故障类型与征兆 | 第23-24页 |
| ·基于傅里叶变换频谱分析的理论基础 | 第24-26页 |
| ·主抽风机振动信号的频谱分析 | 第26-29页 |
| ·采样参数的确定 | 第26页 |
| ·主抽风机的现场故障分析 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 4. 基于小波分析的主抽风机设备故障诊断研究 | 第30-56页 |
| ·小波分析理论 | 第30-34页 |
| ·连续小波变换 | 第30-31页 |
| ·离散小波变换 | 第31页 |
| ·小波基函数的介绍 | 第31-33页 |
| ·多分辨分析和 Mallat 算法 | 第33-34页 |
| ·MATLAB 小波工具箱 | 第34-35页 |
| ·小波变换函数 | 第34页 |
| ·小波去噪函数 | 第34-35页 |
| ·主抽风机故障信号的小波降噪处理 | 第35-39页 |
| ·小波阈值降噪的理论 | 第35页 |
| ·小波阈值降噪仿真 | 第35-39页 |
| ·主抽风机故障信号的特征提取 | 第39-49页 |
| ·基于小波分解的故障信号特征提取方法 | 第39-40页 |
| ·小波最佳基的选取 | 第40-41页 |
| ·傅里叶变换和小波变换故障诊断的比较 | 第41-49页 |
| ·基于小波分析的主抽风机设备的故障诊断应用 | 第49-53页 |
| ·基于模糊理论的主抽风机故障诊断应用 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 5. 基于支持向量机的主抽风机设备故障诊断研究 | 第56-81页 |
| ·支持向量机的分类原理 | 第56-61页 |
| ·线性可分 SVM | 第56-58页 |
| ·线性不可分 SVM | 第58-60页 |
| ·多分类 SVM | 第60-61页 |
| ·libsvm 软件包 | 第61-62页 |
| ·Libsvm 使用的数据格式 | 第61页 |
| ·SVM 训练函数 svmtrain 和预测函数 svmpredict | 第61-62页 |
| ·基于支持向量机的主抽风机设备多故障诊断 | 第62-64页 |
| ·基于支持向量机的主抽风机设备多故障并发诊断 | 第64-67页 |
| ·支持向量机的参数优化 | 第67-80页 |
| ·核函数的选择 | 第67-69页 |
| ·交叉验证优化 SVM 参数 | 第69-73页 |
| ·遗传算法参数寻优 | 第73-76页 |
| ·粒子群优化算法参数寻优 | 第76-80页 |
| ·本章小结 | 第80-81页 |
| 6. 主抽风机设备状态监测和故障诊断系统的实现 | 第81-96页 |
| ·主抽风机控制系统设计 | 第81-85页 |
| ·主抽风机控制系统硬件设计 | 第82页 |
| ·主抽风机控制系统软件设计 | 第82-85页 |
| ·主抽风机设备状态监测和故障诊断实现 | 第85-95页 |
| ·主抽风机设备一键式启动 | 第85-90页 |
| ·主抽风机设备状态监测界面 | 第90-91页 |
| ·主抽风机设备状态监测系统的报警处理 | 第91-92页 |
| ·主抽风机设备状态监测系统的在线故障诊断实现 | 第92-95页 |
| ·本章小结 | 第95-96页 |
| 7. 结论与展望 | 第96-97页 |
| 参考文献 | 第97-100页 |
| 致谢 | 第100-101页 |
| 作者简介 | 第101-102页 |