| 中文摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第一章 概述 | 第12-16页 |
| ·研究目的及意义 | 第12页 |
| ·状态监测与故障诊断的研究现状和发展趋势 | 第12-14页 |
| ·维修体制的发展 | 第12-13页 |
| ·机组状态监测技术 | 第13页 |
| ·故障诊断技术现状和发展趋势 | 第13-14页 |
| ·远程状态监测技术 | 第14页 |
| ·存在问题 | 第14-15页 |
| ·主要研究内容 | 第15-16页 |
| 第二章 泵站机组远程状态监测与故障诊断系统体系结构 | 第16-22页 |
| ·概述 | 第16页 |
| ·系统功能 | 第16-17页 |
| ·总体结构 | 第17-22页 |
| ·系统硬件结构 | 第18-20页 |
| ·系统软件结构 | 第20-22页 |
| 第三章 泵站机组常见故障特征分析 | 第22-33页 |
| ·实验平台搭建 | 第22-25页 |
| ·测试装置及测点布置 | 第22-24页 |
| ·传感器选择 | 第24-25页 |
| ·采集系统选择 | 第25页 |
| ·转子不平衡 | 第25-27页 |
| ·油膜涡动 | 第27-29页 |
| ·油膜振荡 | 第29-30页 |
| ·转子不对中 | 第30-31页 |
| ·动静件摩擦 | 第31页 |
| ·故障与征兆之间关系分析 | 第31-33页 |
| 第四章 故障诊断方法研究 | 第33-54页 |
| ·概述 | 第33-34页 |
| ·基于BP神经网络的故障诊断方法 | 第34-40页 |
| ·BP神经网络 | 第34页 |
| ·基于BP算法的泵站机组故障诊断网络的建模 | 第34-35页 |
| ·BP神经网络的参数选择 | 第35页 |
| ·信号特征提取 | 第35-36页 |
| ·BP神经网络的训练 | 第36-37页 |
| ·BP神经网络的测试 | 第37-38页 |
| ·基于BP神经网络的故障诊断方法的实现 | 第38-40页 |
| ·基于模糊运算的故障诊断方法 | 第40-43页 |
| ·隶属函数 | 第40-41页 |
| ·模糊矩阵 | 第41-42页 |
| ·基于模糊运算的故障诊断方法实现 | 第42-43页 |
| ·基于规则的专家系统故障诊断方法 | 第43-46页 |
| ·基于规则的专家系统结构 | 第43-44页 |
| ·事实的表示 | 第44页 |
| ·规则的表示 | 第44-45页 |
| ·诊断规则 | 第45-46页 |
| ·基于多信息融合的“人-机协作”故障诊断方法研究 | 第46-51页 |
| ·概述 | 第46-47页 |
| ·多信息融合的故障诊断算法 | 第47-49页 |
| ·基于多信息融合的“人-机协作”故障诊断方法 | 第49-51页 |
| ·诊断知识的获取和更新方法研究 | 第51-54页 |
| ·诊断知识 | 第51页 |
| ·诊断知识获取 | 第51-52页 |
| ·基于BP神经网络的诊断知识获取和更新 | 第52-53页 |
| ·基于BP神经网络的知识自动更新实现 | 第53-54页 |
| 第五章 泵站机组现场状态监测与故障分析系统的实现 | 第54-64页 |
| ·引言 | 第54页 |
| ·开发平台简介 | 第54页 |
| ·泵站机组状态监测分析模块 | 第54-55页 |
| ·系统主要界面 | 第55-62页 |
| ·主界面 | 第55-56页 |
| ·系统配置界面 | 第56-57页 |
| ·系统主监视界面 | 第57页 |
| ·时域分析界面 | 第57-59页 |
| ·频域分析界面 | 第59-62页 |
| ·远程状态监测代理服务器模块 | 第62-64页 |
| 第六章 泵站机组远程状态监测与故障诊断服务器的实现 | 第64-81页 |
| ·引言 | 第64页 |
| ·开发平台简介 | 第64页 |
| ·通信模块 | 第64-66页 |
| ·主页面 | 第66-67页 |
| ·远程状态监测页面 | 第67-69页 |
| ·远程状态监测分析页面 | 第69-73页 |
| ·频谱图 | 第70页 |
| ·轴心轨迹图 | 第70-71页 |
| ·凝聚分析 | 第71页 |
| ·波德图 | 第71-72页 |
| ·极坐标图 | 第72-73页 |
| ·远程故障诊断页面 | 第73-81页 |
| 第七章 总结和展望 | 第81-83页 |
| ·本文所做的工作 | 第81页 |
| ·后续工作 | 第81-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86-87页 |
| 作者攻读硕士期间发表的文章 | 第87-88页 |