文摘
英文文摘
独创性说明及大连理工大学学位论文版权使用授权书
1绪论
1.1课题介绍
1.2故障诊断的基本情况介绍
1.2.1基本概念
1.2.2研究内容
1.2.3故障诊断的意义和目的
1.2.4设备故障诊断技术的发展状况
1.2.5设备故障诊断技术发展趋势
1.3旋转机械故障诊断
1.3.1研究的意义
1.3.2故障的种类
1.3.3故障机理研究
1.3.4故障征兆获取
1.4旋转机械故障诊断系统主要构成
1.4.1信号采集
1.4.2信号处理
1.4.3故障原因识别
1.5智能诊断决策技术
1.5.1基于神经网络的智能诊断技术
1.5.2基于行为的智能诊断技术
1.5.3远程分布式智能诊断技术
1.6本课题研究所用的基本理论
1.6.1基本理论依据
1.6.2本文采用的主要分析方法
1.6.3本文故障分析采用的主要参数
1.7论文的结构安排与主要工作
2机械故障信号分析理论及处理方法
2.1现代时频信号分析理论
2.2大型回转机械故障诊断现状及本课题的信号分析路线
2.2.1大型回转机械故障诊断现状
2.2.2本课题采用的信号分析路线
2.2.3本课题采用的信号分析方法及其特点的研究
2.3小结
3基于神经网络的机械故障预测与诊断
3.1预测的基本理论
3.2神经网络用于非平稳时间序列的预测
3.2.1基于BP神经网络L-M训练法的非平稳时间序列预测研究
3.2.2基于RBF神经网络的非平稳时间序列预测研究
3.2.3基于自适应线性元件网络的非平稳时间序列预测研究
3.3 小结
4故障数据库理论及网络通讯的研究
4.1分布式诊断系统研究进展
4.2远程诊断中心的研究
4.3数据库管理DAO的研究
4.4对网络通讯的研究
4.4.1 TCP/IP参考模型
4.4.2 Windows Sockets编程
4.5系统网络通讯的研究
4.6 Web Service网络服务的研究
4.7网络安全与管理系统的研究
4.8小结
5大型压缩机组在线状态监测系统设计
5.1压缩机组系统分析
5.2压缩机组被测参数确定
5.3系统硬件构成
5.4大型压缩机组在线状态监测系统软件设计
5.5系统软件功能结构及用户界面展示
5.6系统模块介绍
5.6.1工艺性能监测模块
5.6.2故障诊断模块
5.6.3系统信号分析模块
5.6.4网络模块功能的研究与开发
5.7分析结果举例显示
5.8结果输出
6大型旋转机械的故障诊断与应用研究
6.1 FFT与小波分析相结合对旋转失速过程分析的研究
6.1.1旋转失速
6.1.2旋转失速的信号特征:
6.1.3分析方法计
6.2基于重心重排平滑Wigner-Ville分布的故障特征提取方法
6.3神经网络在离心压缩机智能故障诊断中应用的研究
6.3.1对压缩机组喘振的研究
6.3.2振动与温度
6.3.3相似离度分析
6.3.4前轴瓦温度预测
6.3.5基于RBF神经网络的离心压缩机故障诊断实例的研究
6.4训练流程图与计算输出流程
7大型旋转机械在线状态监测和故障诊断应用实例
7.1旋转失速与喘振
7.1.1故障情况基本介绍
7.1.2机组环境介绍
7.1.3故障原因分析
7.1.4诊断结果与实际验证
7.2转子的裂纹故障
7.2.1征兆分析
7.2.2诊断验证
7.3故障预响应处理
7.3.1机组预响应
7.3.2重油催化车间气压机预响应时间计算
7.3.3二套催化车间气压机预响应时间计算
7.3.4故障起因
7.3.5应用结果
结论与展望
参考资料
附录A
攻读博士学位期间发表学术论文情况
创新点摘要
致 谢
大连理工大学;