600MW汽轮机故障智能诊断系统研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·汽轮机故障智能诊断技术背景 | 第9-10页 |
| ·汽轮机故障智能诊断系统的研究意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·国内外故障诊断中常用的方法 | 第12-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| 第二章 600MW 汽轮机故障智能诊断系统环境 | 第14-22页 |
| ·系统监测诊断对象 | 第14-15页 |
| ·系统硬件环境 | 第15页 |
| ·系统软件环境 | 第15-18页 |
| ·系统开发平台LabVIEW 软件介绍 | 第15-16页 |
| ·系统数据库设计 | 第16页 |
| ·数据库连接设计 | 第16-18页 |
| ·系统功能设计 | 第18-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 600MW 汽轮机故障征兆自动获取 | 第22-32页 |
| ·频率成分和特征的征兆获取 | 第22-24页 |
| ·频率成分获取 | 第22-24页 |
| ·频率特征获取 | 第24页 |
| ·轴心轨迹和进动方向的征兆获取 | 第24-29页 |
| ·轴心轨迹识别原理 | 第24-26页 |
| ·轴心轨迹征兆获取的仿真 | 第26-28页 |
| ·进动方征兆获取的仿真 | 第28-29页 |
| ·振动与机组工况关系的征兆获取 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 诊断知识的产生式和框架式表示与推理过程 | 第32-45页 |
| ·产生式表示法 | 第32-35页 |
| ·产生式的基本形式 | 第32-33页 |
| ·产生式系统的基本结构 | 第33-34页 |
| ·产生式系统的特点 | 第34-35页 |
| ·框架式表示法 | 第35-38页 |
| ·框架理论 | 第35页 |
| ·框架基本形式 | 第35-36页 |
| ·框架系统 | 第36-37页 |
| ·框架系统的问题求解过程 | 第37页 |
| ·框架系统的特点 | 第37-38页 |
| ·推理过程 | 第38-44页 |
| ·正向推理 | 第38-39页 |
| ·逆向推理 | 第39-41页 |
| ·混合推理 | 第41页 |
| ·故障诊断实例 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于 BP 神经网络的汽轮机故障诊断 | 第45-55页 |
| ·神经网络概述 | 第45-46页 |
| ·BP 神经网络模型及算法 | 第46-49页 |
| ·BP 网络拓扑结构 | 第46页 |
| ·BP 网络学习算法推导及改进 | 第46-49页 |
| ·BP 网络设计 | 第49-51页 |
| ·输入与输出层节点数的选择 | 第49-50页 |
| ·隐层数及每层节点数的确定 | 第50页 |
| ·初始权值的选择 | 第50页 |
| ·期望误差的选择 | 第50-51页 |
| ·基于BP 网络的汽轮机故障诊断实现 | 第51-54页 |
| ·输入归一化 | 第51页 |
| ·在LabVIEW 中调用MATLAB | 第51页 |
| ·神经网络诊断实例 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录 A 攻读硕士学位期间发表论文 | 第62页 |
