声明
主要符号说明
第一章 绪论
1.1研究背景及意义
1.2 离心泵空化机理
1.2.1 空化的发现
1.2.2 空化产生的机理
1.2.3 空化基本方程
1.3 国内外研究现状
1.3.1 离心泵空化监测方法研究现状
1.3.2 离心泵空化信号特征提取方法研究现状
1.3.3 离心泵空化模式识别方法研究现状
1.4 本文主要研究内容
第二章 离心泵空化监测试验装置
2.1 试验对象
2.2 试验装置介绍
2.2.1 试验环路
2.2.2 数据采集系统
2.3 试验方案与过程
2.3.1 正常运行试验步骤
2.3.2 空化运行试验步骤
2.4 试验不确定度分析
2.4.1 随机不确定度
2.4.2 系统不确定度
2.4.3 综合不确定度
2.5 空化性能结果分析
2.6 本章小结
第三章 离心泵空化诱发振动信号分析及特征提取
3.1 空化诱发振动信号的时域分析及特征提取
3.2 空化诱发振动信号的频域分析及特征提取
3.2.1 傅立叶变换定义
3.2.2 频域特征评价标准
3.2.3 振动信号频域特征提取
3.3 空化诱发振动信号的时频分析及特征提取
3.3.1 EMD分解原理及步骤
3.3.2 Hilbert变换（HT）
3.3.3 基于HHT的特征提取
3.4本章小结
第四章 基于支持向量机的空化状态智能识别研究
4.1统计学习理论基础
4.1.1 经验风险最小化原则
4.1.2 VC维理论
4.1.3 推广性的界
4.1.4 结构风险最小化原则
4.2 支持向量机理论
4.2.1 最优分类超平面
4.2.2 线性支持向量机
4.2.3 非线性支持向量机
4.2.4 核函数
4.3 支持向量机参数优化问题
4.3.1 需要优化的参数
4.3.2 参数评价方式
4.3.3 网格参数寻优法
4.4 基于支持向量机的二分类
4.5 基于支持向量机的多分类
4.6 本章小结
第五章 基于支持向量机与BP神经网络空化识别方法的对比分析
5.1神经元模型
5.2 BP神经网络模型与原理
5.3 基于BP神经网络的空化识别
5.3.1 BP神经网络结构设计
5.3.2 识别准确率分析
5.4 本章小结
第六章 总结与展望
6.1 研究总结
6.2 研究展望
参考文献
致谢
作者攻读硕士学位期间参加的项目和发表的论文
一、参加科研项目
二、发表论文
三、专利
江苏大学;
