基于主成分分析和支持向量机的汽轮机故障诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·论文选题背景及研究意义 | 第9-10页 |
| ·汽轮机故障诊断技术的研究动态 | 第10-11页 |
| ·国外研究动态 | 第10页 |
| ·国内研究动态 | 第10-11页 |
| ·本文的研究内容和结构安排 | 第11-13页 |
| 第2章 汽轮机典型振动故障分析 | 第13-26页 |
| ·引言 | 第13页 |
| ·汽轮机典型的振动分类 | 第13-14页 |
| ·汽轮机典型的振动故障分析 | 第14-25页 |
| ·转子不平衡 | 第14-17页 |
| ·转子动静碰磨 | 第17-20页 |
| ·转子裂纹 | 第20-21页 |
| ·油膜振荡 | 第21-22页 |
| ·不对中 | 第22-24页 |
| ·轴承松动 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 汽轮机故障信号预处理与特征提取 | 第26-36页 |
| ·引言 | 第26页 |
| ·基于认知几何的故障信号预处理 | 第26-30页 |
| ·故障信号中的噪声 | 第26-27页 |
| ·认知几何原理 | 第27-30页 |
| ·基于主成分分析的故障特征提取 | 第30-35页 |
| ·特征提取的基本概念 | 第30-31页 |
| ·主成分分析原理 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于SVM 的汽轮机故障诊断方法应用 | 第36-50页 |
| ·引言 | 第36-37页 |
| ·支持向量机原理 | 第37-42页 |
| ·最优超平面的构造 | 第37-40页 |
| ·支持向量机分类算法 | 第40页 |
| ·核函数 | 第40-42页 |
| ·汽轮机故障诊断系统概述 | 第42-44页 |
| ·汽轮机故障诊断系统的一般结构 | 第42-43页 |
| ·汽轮机故障诊断的参数分类 | 第43-44页 |
| ·仿真研究 | 第44-48页 |
| ·汽轮机故障数据采集 | 第44-45页 |
| ·基于认知几何的汽轮机故障信号预处理 | 第45-46页 |
| ·基于PCA 的汽轮机故障特征提取 | 第46-47页 |
| ·基于最优特征的分类模型设计 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 致谢 | 第57-58页 |
| 详细摘要 | 第58-68页 |
