水电机组振动故障的信息融合诊断与仿真研究
| 1 绪论 | 第1-19页 |
| ·选题意义 | 第10-12页 |
| ·国内外相关技术现状 | 第12-15页 |
| ·监测与诊断技术的发展 | 第15-16页 |
| ·水电机组监测与诊断方法的选择 | 第16-18页 |
| ·本文主要研究内容 | 第18-19页 |
| 2 水电机组的振动分析及监测 | 第19-38页 |
| ·水电机组振动故障的特点 | 第19-21页 |
| ·水电机组振动的复杂性 | 第20页 |
| ·水电机组振动的耦联性 | 第20页 |
| ·水电机组振动故障和特征的非一一对应性 | 第20-21页 |
| ·水电机组的振动机理 | 第21-28页 |
| ·水力振动 | 第21-26页 |
| ·机械因素 | 第26-27页 |
| ·电气因素 | 第27-28页 |
| ·水电机组振动故障特征分析 | 第28-29页 |
| ·水电机组振动监测点的选择与布置 | 第29-31页 |
| ·振动 | 第29页 |
| ·主轴摆度 | 第29-30页 |
| ·压力脉动 | 第30-31页 |
| ·监测传感器的选择与安装 | 第31-35页 |
| ·传感器的选择 | 第31-33页 |
| ·电涡流传感器工作原理 | 第33-34页 |
| ·传感器的安装 | 第34-35页 |
| ·信号采样与采样频率、点数 | 第35-38页 |
| 3 振动信号的预处理与故障特征提取 | 第38-53页 |
| ·傅立叶变换 | 第39-42页 |
| ·傅立叶变换与离散傅立叶变换 | 第39-40页 |
| ·快速傅立叶变换 | 第40-42页 |
| ·小波分析方法及其应用 | 第42-51页 |
| ·小波分析的基本理论 | 第42-46页 |
| ·小波分析在信号消噪处理方面的应用 | 第46-51页 |
| ·水电机组振动信号的子带能量特征提取 | 第51-53页 |
| 4 基于信息融合的故障诊断技术 | 第53-74页 |
| ·多传感器信息融合 | 第53-59页 |
| ·信息融合的定义 | 第53页 |
| ·信息融合的基本原理 | 第53-57页 |
| ·信息融合与故障诊断 | 第57-59页 |
| ·故障诊断的信息融合方法 | 第59-65页 |
| ·贝叶斯信息融合方法 | 第59-60页 |
| ·模糊信息融合方法 | 第60-62页 |
| ·神经网络信息融合方法 | 第62-65页 |
| ·D-S证据理论 | 第65-70页 |
| ·D-S证据理论的基本概念 | 第66-69页 |
| ·D-S融合规则 | 第69-70页 |
| ·融合诊断决策规则 | 第70页 |
| ·应用D-S证据理论进行融合诊断的步骤 | 第70-72页 |
| ·基本可信度分配函数的构造方法 | 第72-74页 |
| 5 水电机组振动故障的融合诊断与仿真 | 第74-91页 |
| ·水电机组振动故障仿真融合诊断步骤 | 第74-75页 |
| ·相关参数的选取 | 第75-77页 |
| ·仿真机组参数 | 第75页 |
| ·相关特征振动频率 | 第75-76页 |
| ·采样频率与采样点数的确定 | 第76页 |
| ·诊断用参数的选取 | 第76-77页 |
| ·水电机组振动故障融合诊断识别框架的建立 | 第77-78页 |
| ·机组振动信号模拟及其预处理与特征提取 | 第78-86页 |
| ·小波消噪 | 第79-81页 |
| ·小波多层分解 | 第81-82页 |
| ·FFT变换与子带能量特征提取 | 第82-84页 |
| ·归一化处理 | 第84-86页 |
| ·应用D-S理论进行融合诊断 | 第86-91页 |
| ·mass函数的确定 | 第86-88页 |
| ·多传感器的融合处理 | 第88-90页 |
| ·融合结果分析 | 第90-91页 |
| 6 全文总结与后续工作展望 | 第91-93页 |
| ·全文总结 | 第91-92页 |
| ·后续工作的展望 | 第92-93页 |
| 致谢 | 第93-94页 |
| 参考文献 | 第94-102页 |
| 在校学习期间发表的论文 | 第102页 |
