基于时频分析的管道泄漏信号故障诊断研究
| 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10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-13页 |
| 1.2.1 管道泄漏故障诊断技术的国内外发展现状 | 第11-12页 |
| 1.2.2 自适应时频分析方法的发展现状 | 第12-13页 |
| 1.2.3 熵理论的发展现状 | 第13页 |
| 1.3 论文结构及内容安排 | 第13-15页 |
| 第二章 改进的小波阈值函数去噪 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 小波阈值函数去噪原理 | 第15-16页 |
| 2.3 改进的小波阈值函数 | 第16-18页 |
| 2.4 仿真实验与对比 | 第18-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 集合经验模态分解研究 | 第23-33页 |
| 3.1 经验模态分解理论 | 第23-26页 |
| 3.1.1 EMD的基础算法 | 第23-26页 |
| 3.1.2 EMD的模态混叠 | 第26页 |
| 3.2 引入正态分布白噪声的EEMD方法 | 第26-32页 |
| 3.2.1 噪声辅助分析方法在EMD中的应用 | 第26-27页 |
| 3.2.2 EEMD方法的提出 | 第27-28页 |
| 3.2.3 EEMD原理和算法 | 第28-29页 |
| 3.2.4 EEMD信号分解实例 | 第29-32页 |
| 3.3 EEMD参数分析 | 第32页 |
| 3.3.1 EEMD中集成平均的次数 | 第32页 |
| 3.3.2 添加噪声的幅度 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于样本熵的次声波信号特征提取 | 第33-42页 |
| 4.1 熵理论概述 | 第33-34页 |
| 4.2 样本熵理论 | 第34-37页 |
| 4.2.1 近似熵 | 第34页 |
| 4.2.2 样本熵 | 第34-36页 |
| 4.2.3 样本熵的参数选取 | 第36-37页 |
| 4.3 基于样本熵的特征提取 | 第37-41页 |
| 4.3.1 样本熵的特征筛选 | 第37-39页 |
| 4.3.2 EEMD与样本熵方法融合 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 管道泄漏信号故障诊断研究 | 第42-55页 |
| 5.1 管道泄漏信号故障诊断实验数据 | 第42-44页 |
| 5.2 不同类型故障诊断 | 第44-51页 |
| 5.2.1 信号去噪 | 第44-45页 |
| 5.2.2 管道泄漏信号EEMD分解 | 第45-48页 |
| 5.2.3 基于样本熵的特征量化 | 第48-49页 |
| 5.2.4 基于BP神经网络的故障诊断 | 第49-51页 |
| 5.3 不同程度泄漏故障诊断 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 发表文章目录 | 第59-60页 |
| 致谢 | 第60-61页 |
