基于深度学习的离心泵故障诊断方法研究

目录

声明

摘要

1绪论

1．1课题来源

1．2课题背景和研究意义

1．3国内外研究现状

1．3．1离心泵状态评价技术研究现状

1．3．2离心泵故障诊断技术研究现状

1．3．3深度学习在故障诊断中的研究现状

1．4本文主要内容及结构安排

2离心泵结构和故障形式

2．1离心泵典型结构和关键部件

2．1．1离心泵典型结构

2．1．2离心泵关键部件

2．2离心泵常见故障及其特征

2．2．1转子类故障

2．2．2支撑类故障

2．2．3流体类故障

2．3本章小结

3基于KECA的离心泵健康状态评价方法

3．1核熵成分分析

3．1．1核主成分分析(KPCA)

3．1．2核熵成分分析(KECA)

3．2基于KECA的离心泵健康状态评价模型

3．2．1信号降噪

3．2．2定量评价

3．2．3等级划分

3．3实验研究

3．4本章小结

4基于深度学习的离心泵故障诊断方法

4．1卷积神经网络和支持向量机

4．1．1卷积神经网络

4．1．2支持向量机

4．2基于1DCNN的离心泵故障诊断方法

4．2．1基于1DCNN离心泵故障诊断模型

4．2．2实验研究

4．3基于1DCNN-SVM的离心泵故障诊断方法

4．3．1基于1DCNN-SVM离心泵故障诊断模型

4．3．2实验研究

4．4本章小结

5离心泵状态监测与故障诊断系统设计

5．1物联网的体系结构

5．2基于物联网的离心泵状态监测与故障诊断系统

5．2．1系统总体设计

5．2．2系统诊断流程

5．2．3基于边缘计算的系统优化设计

5．3无线传感器设计

5．3．1系统框图

5．3．2主要器件选型及相关设计

5．3．3工艺结构及安装方式

5．4本章小节

6总结与展望

6．1总结

6．2展望

参考文献

个人简历、在学期间发表的学术论文与研究成果

致谢