基于LabVIEW的汽轮机在线监测与故障诊断系统
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·本课题研究的背景意义 | 第9页 |
| ·国内外汽轮机故障诊断发展现状 | 第9-12页 |
| ·小波的发展和应用现状 | 第12-13页 |
| ·神经网络技术的应用 | 第13页 |
| ·虚拟仪器技术 | 第13-15页 |
| ·概述 | 第13-14页 |
| ·系统构成 | 第14-15页 |
| ·虚拟仪器的优点 | 第15页 |
| ·论文研究的目的和内容 | 第15-17页 |
| 2 汽轮机典型故障及振动特征 | 第17-25页 |
| ·汽轮机常见的异常振动 | 第17-18页 |
| ·按振动频率分类 | 第17页 |
| ·按振幅方位分类 | 第17页 |
| ·按振动原因分类 | 第17-18页 |
| ·按振动发生的部位分类 | 第18页 |
| ·汽轮机轴系故障模式 | 第18-24页 |
| ·转子不平衡 | 第18-19页 |
| ·转子不对中 | 第19-21页 |
| ·动静碰摩 | 第21-22页 |
| ·轴承松动 | 第22页 |
| ·油膜涡动与油膜振动 | 第22-24页 |
| ·小结 | 第24-25页 |
| 3 基于小波分析的故障特征提取 | 第25-35页 |
| ·连续小波变换 | 第25-26页 |
| ·离散小波变换 | 第26页 |
| ·多分辨率分析与正交小波变换 | 第26-29页 |
| ·小波包分解 | 第29-31页 |
| ·基于小波分析的信号处理 | 第31-32页 |
| ·小波去噪的原理 | 第31-32页 |
| ·频带分析技术 | 第32页 |
| ·小波包分解在提取汽轮机故障信号的应用 | 第32-34页 |
| ·小结 | 第34-35页 |
| 4 神经网络在汽轮机振动故障诊断中的应用 | 第35-48页 |
| ·BP 神经网络模型 | 第35-36页 |
| ·BP 学习算法 | 第36-41页 |
| ·BP 网络的学习规则 | 第36-38页 |
| ·改进的BP 算法 | 第38-41页 |
| ·基于BP 神经网络的故障诊断 | 第41-47页 |
| ·小波熵特征向量归一化处理 | 第41-42页 |
| ·网络的结构确定 | 第42页 |
| ·汽轮机神经网络诊断方法 | 第42-47页 |
| ·小结 | 第47-48页 |
| 5 系统的总体结构设计 | 第48-63页 |
| ·系统的硬件总体结构 | 第48-58页 |
| ·电涡流传感器系统 | 第50-52页 |
| ·加速度传感器系统 | 第52-53页 |
| ·信号调理仪和信号电缆的选取 | 第53-54页 |
| ·过程输入通道及数据采集系统 | 第54-55页 |
| ·采样保持器与量化 | 第55-57页 |
| ·数据采集卡 | 第57-58页 |
| ·软件总体结构 | 第58-62页 |
| ·系统软件的特点 | 第58页 |
| ·LabVIEW 设计虚拟仪器的步骤与方法 | 第58页 |
| ·系统软件设计 | 第58-61页 |
| ·网络通讯设置 | 第61页 |
| ·振动数据存储设置 | 第61-62页 |
| ·小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| ·全文总结 | 第63页 |
| ·研究展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 附录 | 第68-70页 |
