基于振动分析的核电冷却剂泵故障诊断研究

摘要	第1-6页
Abstract	第6-12页
第1章 引言	第12-21页
·研究背景及意义	第12-13页
·国内外研究现状	第13-17页
·国外研究现状	第13-15页
·国内研究现状	第15-16页
·现状总结	第16-17页
·研究内容	第17-18页
·主要特色和创新点	第18-19页
·研究思路和章节安排	第19-21页
第2章 核电冷却剂泵故障诊断原理	第21-36页
·核电站工作原理	第21-23页
·冷却剂泵工作原理	第23-27页
·故障诊断和典型故障	第27-34页
·振动特征及故障原因	第27-28页
·典型故障的机理	第28-34页
·冷却剂泵故障诊断系统	第34-35页
·故障信号的采集	第34页
·故障信号特征提取	第34-35页
·故障信号的模式识别	第35页
·本章小结	第35-36页
第3章 故障诊断常用方法	第36-47页
·故障特征提取分析方法	第36-42页
·时域分析方法	第36-37页
·频域分析方法	第37-39页
·时频联合分析方法	第39-42页
·故障模式识别方法	第42-45页
·人工神经网络	第42-44页
·统计学习方法	第44-45页
·常用方法的对比分析	第45-46页
·本章小结	第46-47页
第4章 PXI振动信号数据采集系统	第47-72页
·传感器系统	第47-52页
·压电式传感器工作原理	第47-50页
·传感器及其配套器件	第50-52页
·数据采集系统	第52-71页
·PXI采集系统组成	第52-53页
·数据采集模块设计指标	第53-54页
·采样模块设计	第54-58页
·时钟模块设计	第58-60页
·触发模块设计	第60-63页
·存储模块设计	第63-66页
·PXI总线接口设计	第66-70页
·测试指标参数	第70-71页
·本章小结	第71-72页
第5章 振动故障数据的特征提取	第72-105页
·VSWEPS振动信号特征提取原理	第72-74页
·振动烈度	第74-75页
·小波分析	第75-91页
·小波变换发展历程	第75-76页
·小波变换理论	第76-80页
·连续小波变换	第80页
·离散小波变换	第80-81页
·二进小波变换	第81-82页
·多分辨分析	第82-85页
·小波信号的分解与重构	第85-88页
·小波基函数	第88-91页
·小波能量谱和功率谱	第91-93页
·实验及结果分析	第93-104页
·实验环境	第93页
·微弱振动故障分析	第93-97页
·振动故障实验及分析	第97-104页
·本章小结	第104-105页
第6章 基于支持向量机的振动故障诊断	第105-132页
·机器学习	第105-108页
·机器学习问题模型	第105-107页
·机器学习中的相关问题	第107-108页
·统计学习理论	第108-112页
·学习过程的一致性	第108-109页
·统计学习的VC维	第109-110页
·推广性的界	第110-111页
·结构风险最小化SRM	第111-112页
·支持向量机SVM	第112-121页
·SVM基本思想	第113-117页
·SVM的核函数	第117-119页
·SVM相关算法	第119-121页
·支持向量机振动故障诊断	第121-131页
·振动故障多分类方法	第121-122页
·故障诊断数据构成	第122页
·实验及结果分析	第122-131页
·本章小结	第131-132页
结论	第132-134页
致谢	第134-135页
参考文献	第135-144页
攻读学位期间取得学术成果	第144-145页
个人简介	第145页