基于現(xiàn)代信號處理技術的泵與風機故障診斷原理及其應用

前言
第1章 緒論
1.1 泵與風機工作點求解方法研究
1.2 離心泵汽蝕故障診斷研究
1.2.1 汽蝕故障概述
1.2.2 常用汽蝕診斷方法
1.2.3 國內外關于汽蝕診斷方法的研究進展及趨勢
1.3 離心泵機械故障診斷研究
1.3.1 離心泵機械故障概述
1.3.2 離心泵機械故障診斷常用方法
1.3.3 國內外離心泵機械故障診斷研究進展
1.4 離心式風機機械故障診斷研究
1.4.1 離心式風機機械故障概述
1.4.2 離心式風機機械故障診斷常用方法
1.4.3 國內外離心式風機機械故障診斷研究進展及趨勢
參考文獻
第2章 泵與風機工作點的解析法
2.1 管路特性曲線及工作點
2.1.1 管路特性曲線
2.1.2 工作點
2.2 泵與風機工作點的數(shù)學解法探討
2.2.1 泵與風機的性能特性曲線和管路特性曲線
2.2.2 泵與風機在管路中的工作點
2.2.3 泵與風機變速時轉速和工作點的求解
2.3 解析法確定泵與風機串并聯(lián)運行的工作點
2.4 用Excel計算阻力系數(shù)和泵的工作點
2.4.1 單變量求解器介紹
2.4.2 泵工作點的確定
2.5 本章小結
參考文獻
第3章 離心泵汽蝕故障診斷
3.1 壓力脈動法
3.1.1 離心泵汽蝕壓力信號的采集
3.1.2 自相關分析與短時傅里葉變換
3.1.3 基于小波理論的信號去噪
3.1.4 基于小波分析的氣蝕故障信號特征提取
3.1.5 小波包與關聯(lián)維數(shù)分析
3.1.6 基于經驗模態(tài)分解的氣蝕故障信號特征提取
3.1.7 基于邊際譜頻帶能量法的汽蝕故障信號特征提取
3.1.8 GA-BP網絡
3.1.9 幾種方案的比較分析
3.2 超聲波法
3.2.1 實驗系統(tǒng)與實驗方法
3.2.2 超聲信號波的自相關與頻譜分析
3.2.3 汽蝕超聲信號的小波奇異性檢測
3.2.4 基于HHT的超聲信號分析方法
3.3 本章小結
參考文獻
第4章 離心泵振動故障診斷
4.1 實驗數(shù)據(jù)采集
4.1.1 實驗系統(tǒng)
4.1.2 參數(shù)測量及儀表
4.1.3 數(shù)據(jù)采集系統(tǒng)
4.1.4 實驗步驟
4.1.5 實驗測得的振動信號及分析
4.2 基于第二代小波的故障信號去噪方法
4.2.1 去噪問題的描述
4.2.2 常用去噪方法
4.2.3 新型改進閾值函數(shù)的第二代小波去噪
4.2.4 DOppler仿真信號去噪
4.2.5 實測故障信號去噪
4.2.6 類可分離性評價準則
4.3 離心泵振動故障特征提取方法
4.3.1 希爾伯特-黃變換（HHT）
4.3.2 復雜度
4.3.3 基于連續(xù)小波變換的故障特征提取
4.3.4 基于提升小波包的特征提取
4.3.5 遞歸定量分析
4.4 離心泵振動故障診斷模型
4.4.1 RBF神經網絡
4.4.2 ELman神經網絡
4.4.3 最小二乘法支持向量機
4.4.4 相關向量機
4.4.5 識別模型的比較
4.5 基于2D-HMM的離心泵振動故障診斷模型
4.5.1 隱Markov模型
4.5.2 二維隱Markov模型
4.5.3 2D-HMM故障診斷原理及步驟
4.5.4 2D-HMM故障診斷實驗應用
4.6 本章小結
參考文獻
第5章 風機振動故障診斷
5.1 風機的狀態(tài)信號采集及其故障模式分析
5.1.1 風機的振動信號采集
5.1.2 風機故障的來源與典型故障模式分析
5.2 振動信號的預處理
5.2.1 ICA的基本理論
5.2.2 仿真信號處理
5.2.3 風機振動信號處理
5.3 振動信號的特征提取
5.3.1 時域分析法
5.3.2 頻域分析法
5.3.3 時頻分析法
5.4 風機的故障診斷與分析
5.4.1 k-means算法在風機振動信號分析中的應用
5.4.2 改進的LVQ模型在風機故障診斷中的應用
5.4.3 小波分析在風機故障診斷中的應用
5.4.4 HHT與GA-BP網絡聯(lián)合的故障診斷
5.5 本章小結
參考文獻
第6章 離心泵在線監(jiān)測及故障診斷系統(tǒng)與風機選型系統(tǒng)的實現(xiàn)
6.1 離心泵在線監(jiān)測及故障診斷系統(tǒng)
6.1.1 在線監(jiān)測與故障診斷系統(tǒng)硬件組成介紹
6.1.2 軟件開發(fā)
6.1.3 診斷系統(tǒng)的應用
6.2 風機選型軟件系統(tǒng)的研制與開發(fā)
6.2.1 軟件設計思路
6.2.2 管道阻力計算
6.2.3 風機優(yōu)化選型
6.2.4 軟件系統(tǒng)的運用
6.3 本章小結
參考文獻