| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 往复压缩机故障诊断的发展现状 | 第11-12页 |
| 1.3 课题相关故障诊断方法综述 | 第12-16页 |
| 1.3.1 信号处理与特征提取 | 第13-15页 |
| 1.3.2 往复压缩机智能模式识别 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-17页 |
| 第二章 经验小波变换方法的理论研究与改进 | 第17-31页 |
| 2.1 经验小波变换基本原理 | 第17-21页 |
| 2.1.1 频谱分隔 | 第17-18页 |
| 2.1.2 构造经验尺度函数和经验小波函数 | 第18-19页 |
| 2.1.3 时频分析 | 第19页 |
| 2.1.4 仿真信号分析 | 第19-21页 |
| 2.2 经验小波变换的改进算法 | 第21-23页 |
| 2.3 经验小波变换在往复压缩机故障诊断应用中存在的问题 | 第23-24页 |
| 2.3.1 频谱分隔问题 | 第23-24页 |
| 2.3.2 故障特征提取问题 | 第24页 |
| 2.4 针对往复机械故障振动信号的经验小波变换方法 | 第24-30页 |
| 2.4.1 频谱分隔改进 | 第24-29页 |
| 2.4.2 故障特征提取问题 | 第29-30页 |
| 2.4.3 改进的经验小波变换算法 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 形态学滤波的理论与应用 | 第31-41页 |
| 3.1 形态学滤波基本理论 | 第31-33页 |
| 3.2 多尺度形态学分析和形态谱熵 | 第33-34页 |
| 3.2.1 多尺度形态学分析 | 第33-34页 |
| 3.2.2 形态谱和形态谱熵 | 第34页 |
| 3.3 状态形态学滤波在往复机械故障诊断中的应用 | 第34-40页 |
| 3.3.1 往复压缩机振动信号特性分析 | 第34-36页 |
| 3.3.2 状态形态学滤波方法 | 第36-39页 |
| 3.3.3 形态学故障特征提取 | 第39-40页 |
| 3.4 状态形态学滤波算法 | 第40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于EWT与数学形态学的故障特征提取方法 | 第41-62页 |
| 4.1 往复压缩机基本结构和工作原理 | 第41-42页 |
| 4.2 往复压缩机气阀和轴承故障机理分析 | 第42-43页 |
| 4.3 往复压缩机故障振动信号数据采集 | 第43-46页 |
| 4.3.1 振动信号数据采集原则 | 第43页 |
| 4.3.2 往复压缩机测点布置 | 第43-46页 |
| 4.4 基于状态形态学滤波与EWT的故障特征提取方法 | 第46-47页 |
| 4.4.1 方法概述 | 第46页 |
| 4.4.2 状态形态学滤波与EWT的故障特征提取方法算法 | 第46-47页 |
| 4.5 往复压缩机气阀故障诊断实例 | 第47-57页 |
| 4.5.1 自适应经验小波变换 | 第47-53页 |
| 4.5.2 状态自适应滤波 | 第53-56页 |
| 4.5.3 形态谱熵分析与故障识别 | 第56-57页 |
| 4.6 往复压缩机轴承故障诊断实例 | 第57-61页 |
| 4.6.1 自适应经验小波变换 | 第57-59页 |
| 4.6.2 状态自适应滤波 | 第59-60页 |
| 4.6.3 形态谱熵分析与故障识别 | 第60-61页 |
| 4.7 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 发表文章目录 | 第67-68页 |
| 致谢 | 第68-69页 |
