声明
摘要
第1章绪论
1.1论文背景及研究意义
1.2离心式压缩机结构组成及工作原理
1.2.1离心式压缩机的结构
1.2.2离心式压缩机的工作原理
1.3故障预测方法研究现状
1.3.1基于历史可靠性的预测方法
1.3.2基于机理模型的预测方法
1.3.3基于数据的故障预测方法
1.4本文内容安排
第2章数据集介绍及数据预处理
2.1实验数据集
2.1.1实验数据集来源
2.2.2实验数据介绍
2.2振动信号特征提取和分析方法
2.2.1振动基本理论
2.2.2振动信号的频域特征
2.2.3振动信号的时域特征
2.3数据预处理
2.3.1数据集成
2.3.2数据清洗
2.3.3数据变换
2.3.4数据规约
2.4本章小结
第3章多维时间序列特征选择方法研究
3.1信息熵、条件熵与信息增益
3.1.1信息熵
3.1.2信息增益
3.2聚类算法
3.2.1层次聚类
3.2.2原型聚类
3.2.3密度聚类
3.3基于聚类分析与信息增益的多维时间序列特征选择方法
3.3.1特征选择的目的
3.3.2候选子集的获取
3.3.3计算信息增益
3.4实验结果与分析
3.5本章小结
第4章基于LSTM-RNN的故障预测方法研究
4.1异常检测
4.1.1时间序列的异常检测
4.1.2基于深度学习的异常检测方法
4.2.1前馈神经网络
4.2.2神经网络的训练
4.2.2循环神经网络
4.2.3长短时记忆循环神经网络
4.3离心式压缩机故障预测方法
4.3.1时间序列预测模型
4.3.2异常分数与阈值划定
4.3.3实验结果与分析
4.4本章小结
第5章总结与展望
参考文献
致谢
东北大学;