声明
摘要
1．1研究目的与意义
1．2研究现状及发展趋势
1．2．1泵站智能化
1．2．2水泵机组状态预测技术
1．2．3水泵机组状态评价技术
1．2．4水泵机组状态检修技术
1．3 本文的研究内容和主要工作
二、大型水泵机组振动信号处理与综合评价研究方案
2．1引言
2．2研究路线
2．3技术方案
3．1引言
3．2振动信号滤波方法
3．2．1基于巴特沃斯的振动信号滤波原理
3．2．2基于巴特沃斯的水泵机组振动信号滤波
3．2．3基于汉宁窗的FIR振动信号滤波原理
3．2．4基于汉宁窗的FIR水泵机组振动信号滤波
3．2．5基于谐波小波的振动信号滤波原理
3．2．6基于谐波小波的水泵机组振动信号滤波
3．2．7水泵机组振动信号滤波方法比较
3．3振动信号分析与特征提取
3．3．1水泵机组振动信号实时数据分析与特征提取
3．3．2水泵机组振动信号历史数据分析与趋势项提取
3．4本章小结
4．1引言
4．2预测对象
4．3基于ARIMA模型的振动趋势预测
4．3．1 ARIMA模型的预测原理
4．3．2 ARIMA(p，d，q)的建模过程
4．3．3基于ARIMA模型的水泵机组振动趋势预测
4．4基于复合模型的振动趋势预测
4．4．1水泵机组振动趋势分解
4．4．2水泵机组振动趋势复合预测
4．5基于RNN循环神经网络的振动趋势预测
4．5．1 RNN循环神经网络的预测原理
4．5．2基于RNN循环神经网络的水泵机组振动趋势单步预测
4．5．3基于RNN循环神经网络的水泵机组振动趋势多步预测
4．6预测模型比较
4．7本章小结
5．1引言
5．2基于综合扣分法的水泵机组状态评价方法介绍
5．3电机与水泵的部件划分
5．4电机与水泵各部件状态量的确定
5．5电机与水泵各部件状态量的评价标准
5．5．1基于规程的水泵机组状态评价标准
5．5．2基于水泵机组健康数据统计特性的状态评价标准
5．6电机与水泵部件状态量扣分标准
5．7基于综合扣分法的电机与水泵部件状态评价标准
5．8电机与水泵状态综合评价标准
5．9基于综合扣分法的电机与水泵状态评价模型
5．10本章小结
六、基于云服务器的水泵机组远程状态监测软件开发
6．1引言
6．2云服务器开发环境配置
6．3基于云服务器的水泵机组远程状态监测系统开发方法
6．4系统功能模块的开发与实现
6．4．1状态监测模块
6．4．2机组振动分析模块的软件设计
6．4．3机组振动分析模块的实现结果
6．4．4机组历史数据分析模块软件设计
6．4．5机组历史数据分析模块实现结果
6．4．6机组状态参数趋势预测模型软件设计
6．4．7机组状态参数趋势预测模型实现结果
6．4．8机组状态评价模块的软件设计
6．4．9机组状态评价模块的实现结果
6．5本章小结
7．1总结
7．2展望
参考文献
攻读硕士学位期间科研项目及科研成果
致谢
扬州大学;
