| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 压缩机故障诊断关键技术 | 第11-15页 |
| 1.3.1 信号采集与预处理 | 第12页 |
| 1.3.2 特征提取 | 第12-14页 |
| 1.3.3 状态识别与预测 | 第14-15页 |
| 1.4 研究内容与方法 | 第15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 往复式压缩机故障机理分析 | 第16-28页 |
| 2.1 往复式压缩机工作原理 | 第16-17页 |
| 2.2 往复式压缩机主要部件 | 第17-19页 |
| 2.3 往复式压缩机故障征兆分析 | 第19-27页 |
| 2.3.1 热力参数征兆 | 第19-21页 |
| 2.3.2 机械动力征兆 | 第21-26页 |
| 2.3.3 油液征兆 | 第26-27页 |
| 2.4 征兆选择 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 往复式压缩机故障特征提取 | 第28-47页 |
| 3.1 原始数据来源 | 第28-30页 |
| 3.2 特征提取 | 第30-44页 |
| 3.2.1 短时傅里叶变换 | 第31-34页 |
| 3.2.2 Wigner-Ville分布 | 第34-36页 |
| 3.2.3 小波变换 | 第36-37页 |
| 3.2.4 Morlet小波及其参数的确定 | 第37-44页 |
| 3.2.5 其它特征提取方法 | 第44页 |
| 3.3 基于PCA的特征选择与优化 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 神经网络学习算法的优化 | 第47-59页 |
| 4.1 BP神经网络原理 | 第47-48页 |
| 4.2 BP神经网络常用学习算法 | 第48-52页 |
| 4.2.1 梯度下降法 | 第49-50页 |
| 4.2.2 带有动量的梯度下降法 | 第50页 |
| 4.2.3 牛顿法 | 第50-51页 |
| 4.2.4 共轭梯度法 | 第51-52页 |
| 4.2.5 Levenberg-Marquart算法 | 第52页 |
| 4.3 基于PSO的神经网络学习算法 | 第52-58页 |
| 4.3.1 基本PSO算法 | 第53-54页 |
| 4.3.2 PSO算法的改进 | 第54-55页 |
| 4.3.4 基于改进PSO算法的神经网络 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 实验与结果分析 | 第59-64页 |
| 5.1 故障样本 | 第59-60页 |
| 5.2 Morlet小波分析与PCA | 第60-61页 |
| 5.3 神经网络的训练与测试 | 第61-63页 |
| 5.3.1 训练过程 | 第61页 |
| 5.3.2 诊断过程 | 第61-63页 |
| 5.4 本章小结 | 第63-64页 |
| 总结与展望 | 第64-67页 |
| 完成的主要工作 | 第64-65页 |
| 课题创新点 | 第65页 |
| 后续研究工作 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的学术成果 | 第72-73页 |
| 致谢 | 第73页 |