往复压缩机多重分形故障特征的提取与识别
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-10页 |
| 前言 | 第10-14页 |
| 第一章 往复式压缩机故障诊断基础性问题研究 | 第14-22页 |
| ·往复式压缩机简介 | 第14-16页 |
| ·往复式压缩机的工作过程 | 第14页 |
| ·2D12 往复式压缩机的主要参数和基本结构 | 第14-16页 |
| ·振动机理分析 | 第16-17页 |
| ·引起振动的内部激振力 | 第16-17页 |
| ·引起振动的其它原因 | 第17页 |
| ·压缩机振动信号特性分析 | 第17-20页 |
| ·压缩机振动信号的特点 | 第18页 |
| ·时域和频域分析 | 第18-19页 |
| ·振动信号其它分析方法 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第二章 基于多重分形的故障特征提取方法 | 第22-30页 |
| ·分形基本原理及概念 | 第22-25页 |
| ·分形的定义 | 第22页 |
| ·分形的性质 | 第22-23页 |
| ·分形的算法 | 第23-25页 |
| ·多重分形 | 第25-29页 |
| ·多重分形模型 | 第25-26页 |
| ·多重分形算法 | 第26-28页 |
| ·多重分形谱的改进算法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 智能识别技术研究 | 第30-43页 |
| ·故障特征智能识别技术概述 | 第30-32页 |
| ·专家系统 | 第30-31页 |
| ·人工神经网络 | 第31页 |
| ·支持向量机的提出及其优点 | 第31-32页 |
| ·统计学习理论 | 第32-37页 |
| ·机器学习的基本问题和方法 | 第33-35页 |
| ·统计学习理论的基本内容 | 第35-37页 |
| ·支持向量机 | 第37-42页 |
| ·最优分类面 | 第37-40页 |
| ·支持向量机的定义 | 第40-41页 |
| ·支持向量机的核函数 | 第41-42页 |
| ·支持向量机的多元分类 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 故障特征的提取与识别 | 第43-56页 |
| ·数据的预处理 | 第43-44页 |
| ·故障特征的提取 | 第44-48页 |
| ·多重分形谱计算步骤 | 第44-45页 |
| ·多重分形谱图 | 第45-47页 |
| ·多重分形参数的提取 | 第47-48页 |
| ·多重分形特征参数优选 | 第48页 |
| ·故障特征的识别 | 第48-55页 |
| ·多故障分类器的建立 | 第49-50页 |
| ·识别样本的确定 | 第50-51页 |
| ·SVM 识别参数的确定 | 第51-54页 |
| ·识别结果分析与核函数的确定 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 往复压缩机故障诊断实例分析 | 第56-65页 |
| ·往复压缩机故障概述 | 第56-57页 |
| ·往复压缩机的故障诊断难点 | 第56页 |
| ·压缩机的测点布置 | 第56-57页 |
| ·故障实例分析 | 第57-64页 |
| ·压缩机气阀泄露故障分析 | 第58-59页 |
| ·压缩机气阀故障类型分析 | 第59-61页 |
| ·压缩机轴承故障分析 | 第61-62页 |
| ·压缩机运行状态分级诊断 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 发表文章目录 | 第69-70页 |
| 致谢 | 第70-71页 |
| 详细摘要 | 第71-78页 |
