| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 往复式压缩机气阀故障诊断技术的发展 | 第9-13页 |
| 1.2.1 机械故障诊断发展过程 | 第9-10页 |
| 1.2.2 往复式压缩机气阀故障诊断研究现状 | 第10-12页 |
| 1.2.3 基于神经网络的气阀故障诊断研究现状 | 第12页 |
| 1.2.4 LM-BP 神经网络气阀故障诊断过程 | 第12-13页 |
| 1.3 课题研究内容 | 第13-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 6M_(25)往复式压缩机气阀故障机理分析 | 第16-24页 |
| 2.1 6M_(25)往复式压缩机的组成及工艺参数 | 第16-19页 |
| 2.1.1 6M_(25)往复式压缩机的组成 | 第16-17页 |
| 2.1.2 6M_(25)往复式压缩机工艺参数 | 第17-19页 |
| 2.2 6M_(25)压缩机气阀的组成及工作原理 | 第19-21页 |
| 2.2.1 6M_(25)往复式压缩机气阀的组成及形式 | 第19-20页 |
| 2.2.3 6M_(25)往复式压缩机气阀的工作原理 | 第20-21页 |
| 2.3 6M_(25)往复式压缩机气阀故障原因及影响 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于 LM-BP 神经网络的气阀故障诊断方法 | 第24-32页 |
| 3.1 神经网络模型 | 第24-26页 |
| 3.1.1 神经元模型 | 第24-25页 |
| 3.1.2 神经元的传输函数 | 第25-26页 |
| 3.2 BP 神经网络 | 第26-29页 |
| 3.2.1 BP 神经网络模型 | 第26-27页 |
| 3.2.2 LM 算法改进的 BP 神经网络 | 第27-28页 |
| 3.2.3 LM-BP 网络算法步骤 | 第28-29页 |
| 3.3 基于 LM-BP 神经网络的气阀故障诊断模型 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 6M_(25)往复式压缩机气阀故障诊断及系统设计 | 第32-49页 |
| 4.1 6M_(25)往复式压缩机故障诊断 | 第32-45页 |
| 4.1.1 6M_(25)往复式压缩机气阀故障特征数据采集 | 第32-34页 |
| 4.1.2 LM-BP 神经网络的训练 | 第34-37页 |
| 4.1.3 6M_(25)气阀故障诊断过程及结果 | 第37-40页 |
| 4.1.4 6M_(25)气阀故障诊断方法比较 | 第40-45页 |
| 4.2 基于 MATLAB/GUI 气阀故障故障诊断系统开发 | 第45-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 全文总结 | 第49页 |
| 5.2 创新点 | 第49页 |
| 5.3 研究的不足 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间的主要学术成果 | 第54-55页 |
| 致谢 | 第55页 |
