本書從非平穩(wěn)時變分析技術在往復壓縮機故障診斷中的應用角度，面向石化行業(yè)大型往復式壓縮機的典型故障進行了較深入的論述，其研究內容也是科研團隊依托東北石油大學石油機械工程重點實驗室，對近幾年的研究探索與實踐的部分總結。本書以2D12往復式壓縮機在企業(yè)中的故障表現和在生產現場開展的大量的故障模擬試驗為依據，涵蓋了系統(tǒng)動力學仿真與部件運動分析、非平穩(wěn)信號的自適應分解技術及應用、多重分形理論和信息熵理論的應用、時變?yōu)V波與深度字典學習的盲源分析等理論與技術，并針對軸承、氣閥等高風險故障模式識別與分類的有效性問題進行了一系列較深入的診斷方法與技術革新的探索。本書具有一定的學術特色和研究參考價值，相信對廣大致力于往復壓縮機研究方向的科研讀者會有較大的幫助，并希望對本領域的技術進步和推廣應用起到積極作用。
第1章 緒論
1.1 故障檢測與診斷的基礎知識
1.2 往復壓縮機故障診斷技術概述
第2章 往復壓縮機典型部件動力學分析與仿真
2.1 運動學和動力學分析
2.2 常見故障機理分析
2.3 動力學建模與分析
2.4 本章小結
第3章 信號非平穩(wěn)時變分析的故障診斷技術
3.1 基礎概念
3.2 EMD方法及其特點
3.3 LMD方法及其特點
3.4 VMD方法及其特點
3.5 多重分形理論與方法
3.6 系統(tǒng)信息熵度量技術
3.7 本章小結
第4章 往復壓縮機軸承間隙故障診斷技術
4.1 往復壓縮機軸承間隙故障與信號采集
4.2 基于改進LMD與MFE的軸承間隙故障診斷方法
4.3 基于VMD與MGS的軸承間隙故障診斷方法
4.4 基于改進LMD與小波包模糊熵的軸承間隙故障診斷方法
4.5 基于多重分形與SVD的軸承間隙故障診斷方法
4.6 本章小結
第5章 往復壓縮機氣閥故障診斷技術
5.1 氣閥結構、故障與波動特征
5.2 經驗小波變換方法的理論研究與應用
5.3 形態(tài)學濾波的理論與應用
5.4 狀態(tài)形態(tài)學濾波與EWT融合的氣閥故障診斷
5.5 最優(yōu)品因稀疏分解與HFE融合的氣閥故障診斷
5.6 VMD與MFDFA融合的氣閥故障診斷方法
5.7 本章小結
第6章 往復壓縮機典型故障狀態(tài)評估及預警技術
6.1 改進BTSVM的軸承間隙狀態(tài)評估
6.2 MSS_KFCM的軸承性能衰退評估
6.3 PSR與MFSS的軸承間隙故障預測技術
6.4 VMD_SVR的壓縮機關鍵部件運行可靠性預測技術
6.5 本章小結
第7章 往復壓縮機復合故障診斷方法研究
7.1 盲源分離技術及其發(fā)展現狀
7.2 軸承間隙復合故障剛柔耦合建模
7.3 往復壓縮機復合故障振源數估計方法研究
7.4 基于時變零相位濾波模式分解的源數估計方法
7.5 基于深度字典學習形態(tài)分量分析的特征提取方法
7.6 壓縮機軸承間隙復合故障識別方法研究
7.7 本章小結
第8章 往復壓縮機診斷技術展望
8.1 大數據背景下的深度監(jiān)測與智能診斷趨勢
8.2 “監(jiān)測—預示—評估—保護”的故障診斷模式
8.3 結束語
書單推薦
