| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题背景和意义 | 第9页 |
| 1.2 课题的发展水平和研究现状 | 第9-10页 |
| 1.3 往复式压缩机故障诊断方法 | 第10-12页 |
| 1.4 往复式压缩机故障诊断存在的问题 | 第12页 |
| 1.5 本文主要的研究内容 | 第12-14页 |
| 2 基于智能方法的机械故障诊断技术研究 | 第14-35页 |
| 2.1 机械故障分类与特征 | 第14-17页 |
| 2.1.1 机械故障的分类 | 第14-15页 |
| 2.1.2 机械故障特征 | 第15-17页 |
| 2.2 故障特征信号提取与分析 | 第17-25页 |
| 2.2.1 机械故障诊断的过程 | 第17-18页 |
| 2.2.2 机械故障信号分析技术 | 第18-22页 |
| 2.2.3 振动的时域指标 | 第22-24页 |
| 2.2.4 频域主要指标及频域振动分析 | 第24-25页 |
| 2.3 人工神经网络故障诊断 | 第25-34页 |
| 2.3.1 神经网络故障诊断的方法与步骤 | 第26页 |
| 2.3.2 神经网络的基本组成与类型 | 第26-29页 |
| 2.3.3 RBF神经网络的结构与特点 | 第29-30页 |
| 2.3.4 RBF神经网络在故障诊断中的应用 | 第30-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 空气压缩机的故障机理及实验测量 | 第35-50页 |
| 3.1 往复式空压机常见的故障 | 第35-36页 |
| 3.2 空气压缩机的故障机理 | 第36-38页 |
| 3.2.1 往复式空气压缩机的结构 | 第36-37页 |
| 3.2.2 往复式空气压缩机的工作原理 | 第37-38页 |
| 3.3 往复式空压机气阀工作原理和运动过程 | 第38-44页 |
| 3.3.1 空压机气阀的工作原理 | 第38-39页 |
| 3.3.2 气阀的动力学模型 | 第39-40页 |
| 3.3.3 气阀的热力学模型 | 第40-41页 |
| 3.3.4 气阀的运动过程 | 第41-42页 |
| 3.3.5 气阀的一般故障分析与诊断 | 第42-44页 |
| 3.4 空气压缩机的实验测量 | 第44-49页 |
| 3.4.1 确定诊断对象 | 第44-46页 |
| 3.4.2 选定测量参数 | 第46-47页 |
| 3.4.3 选择监测点 | 第47-48页 |
| 3.4.4 信号采集 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 基于小波固定时间基的实验数据分析 | 第50-70页 |
| 4.1 小波分析概述 | 第50页 |
| 4.2 多分辨率分析在压缩机故障诊断中的应用 | 第50-62页 |
| 4.3 对零通道的小波固定时间基分析 | 第62-69页 |
| 4.4 本章小结 | 第69-70页 |
| 5 基于RBF神经网络的空压机故障诊断仿真验证 | 第70-77页 |
| 5.1 RBF神经网络设计原则 | 第70-73页 |
| 5.1.1 网络输入与输出参数的确定 | 第70页 |
| 5.1.2 训练样本集的设计 | 第70-71页 |
| 5.1.3 初始权值的设计 | 第71页 |
| 5.1.4 网络隐层结构设计 | 第71页 |
| 5.1.5 创建RBF函数 | 第71-73页 |
| 5.2 RBF网络应用于空压机故障诊断的过程与设计 | 第73-74页 |
| 5.2.1 基于RBF网络的空压机故障诊断过程 | 第73-74页 |
| 5.2.2 RBF网络应用于空压机故障诊断的设计 | 第74页 |
| 5.3 RBF网络应用于空气压缩机的训练及结果 | 第74-76页 |
| 5.3.1 网络输入变量归一化处理 | 第74-75页 |
| 5.3.2 网络训练结果 | 第75-76页 |
| 5.3.3 仿真结果分析 | 第76页 |
| 5.4 本章小结 | 第76-77页 |
| 结论与展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 附录 | 第82-87页 |
| 致谢 | 第87-88页 |
| 攻读硕士学位期间发表的学术论文及科研成果 | 第88-89页 |