| 上海交通大学硕士学位论文答辩决议书 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题的提出及其意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 风机性能评估 | 第13-15页 |
| 1.2.2 振动信号分析 | 第15-17页 |
| 1.2.3 模式识别方法的应用 | 第17-18页 |
| 1.2.4 风机性能自动化测试 | 第18页 |
| 1.3 本文的主要工作 | 第18-20页 |
| 第二章 风机振动分析及仿真信号的给出 | 第20-29页 |
| 2.1 风机叶片振动模型 | 第20-26页 |
| 2.1.1 风机叶片非线性动力学方程的建立 | 第20-24页 |
| 2.1.2 风机叶片动力学分析 | 第24-26页 |
| 2.2 风机振动频率特征及机理分析 | 第26-27页 |
| 2.3 风机振动仿真信号的一般形式 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 一种改进的 EEMD 去噪方法对风机振动信号预处理 | 第29-42页 |
| 3.1 EMD 去噪方法 | 第29-31页 |
| 3.2 改进的 EEMD 去噪方法 | 第31-38页 |
| 3.2.1 伪 IMF 分量剔除 | 第31-32页 |
| 3.2.2 噪声估计 | 第32-34页 |
| 3.2.3 区间阈值处理 | 第34-36页 |
| 3.2.4 算法 | 第36-38页 |
| 3.3 仿真振动信号去噪分析 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 风机振动信号特征生成及压缩 | 第42-57页 |
| 4.1 模式识别简介 | 第43页 |
| 4.2 风机振动信号特征生成 | 第43-51页 |
| 4.2.1 频带能量特征 | 第44-45页 |
| 4.2.2 频率成分特征 | 第45-47页 |
| 4.2.3 时域特征 | 第47-50页 |
| 4.2.4 特征生成算法 | 第50-51页 |
| 4.3 基于距离可分性判据的特征生成算法选择 | 第51-54页 |
| 4.4 基于主分量分析的特征融合与压缩 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 基于振动信号特征的风机性能评估 | 第57-75页 |
| 5.1 基于振动信号分析的风机性能评估 | 第58-59页 |
| 5.2 风机性能分类决策方法 | 第59-61页 |
| 5.3 仿真 | 第61-65页 |
| 5.4 试验 | 第65-74页 |
| 5.4.1 试验方法及试验装置 | 第65-69页 |
| 5.4.2 振动信号分析及特征生成算法中的参数确定 | 第69-71页 |
| 5.4.3 性能评估 | 第71-74页 |
| 5.5 本章小结 | 第74-75页 |
| 第六章 风机性能测试分析系统（FPTAS）的实现 | 第75-90页 |
| 6.1 风机性能测试项目、原理及方法 | 第75-77页 |
| 6.2 基于.NET 平台的风机性能测试分析系统（FPTAS）的实现 | 第77-86页 |
| 6.2.1 FPTAS 硬件结构 | 第78-80页 |
| 6.2.2 FPTAS 软件系统三层架构 | 第80页 |
| 6.2.3 FPTAS 系统实现 | 第80-86页 |
| 6.3 风机性能测试与分析实例 | 第86-89页 |
| 6.4 本章小结 | 第89-90页 |
| 第七章 总结与展望 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 致谢 | 第96-97页 |
| 攻读学位期间的学术成果 | 第97页 |
