| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 故障诊断技术的发展 | 第10-12页 |
| 1.2.1 国外故障诊断的发展 | 第10页 |
| 1.2.2 国内故障诊断的发展 | 第10-12页 |
| 1.3 燃气轮机转子的信号处理技术与智能分析方法 | 第12-15页 |
| 1.3.1 燃气轮机转子的典型信号处理技术 | 第12-13页 |
| 1.3.2 燃气轮机转子的智能分析方法 | 第13-15页 |
| 1.4 本文的主要研究内容 | 第15-17页 |
| 第2章 燃气轮机转子故障的振动机理分析 | 第17-27页 |
| 2.1 转子系统振动基本特性 | 第17-21页 |
| 2.1.1 转子振动的基本特性 | 第17-18页 |
| 2.1.2 共振产生的原因 | 第18-21页 |
| 2.2 燃气轮机转子的故障 | 第21-26页 |
| 2.2.1 不平衡故障机理及特征 | 第21-23页 |
| 2.2.2 转子不对中故障的机理与特征 | 第23-24页 |
| 2.2.3 转子动静碰摩故障的机理与特征 | 第24-25页 |
| 2.2.4 轴承松动故障的机理与特征 | 第25-26页 |
| 2.2.5 转子裂纹故障机理与特征 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 燃气轮机转子故障诊断系统的建立 | 第27-35页 |
| 3.1 燃气轮机转子振动状态检测系统 | 第27-31页 |
| 3.1.1 燃气轮机转子振动信号的采集 | 第29-30页 |
| 3.1.2 快速傅里叶变换对信号进行分析 | 第30-31页 |
| 3.2 Entek振动监测系统的应用 | 第31-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 基于主元分析的旋转机械特征提取 | 第35-47页 |
| 4.1 主元分析基本原理 | 第35-40页 |
| 4.1.1 旋转机械中的主元分析降维原理 | 第36-37页 |
| 4.1.2 主元个数的确定 | 第37-39页 |
| 4.1.3 旋转机械的特征提取方法 | 第39-40页 |
| 4.2 基于核主元分析的旋转机械特征提取 | 第40-42页 |
| 4.2.1 核主元分析基本原理 | 第40-42页 |
| 4.2.2 核函数的选取 | 第42页 |
| 4.3 基于核主元分析的故障特征提取实验 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于支持向量机的旋转机械故障诊断 | 第47-63页 |
| 5.1 支持向量机基本原理 | 第47-53页 |
| 5.1.1 统计学习理论基础 | 第47-49页 |
| 5.1.2 支持向量机分类 | 第49-53页 |
| 5.2 支持向量机的参数优化方法 | 第53-57页 |
| 5.2.1 常用的参数优化方法 | 第53-54页 |
| 5.2.2 基于粒子群的支持向量机参数优化方法 | 第54-56页 |
| 5.2.3 实验仿真 | 第56-57页 |
| 5.3 基于支持向量机的旋转机械故障聚类方法 | 第57-60页 |
| 5.3.1 基于二叉树的多级SVM分类器的原理 | 第57-59页 |
| 5.3.2 基于二叉树的旋转机械故障诊断模型的建立 | 第59-60页 |
| 5.3.3 基于二叉树的旋转机械故障诊断步骤 | 第60页 |
| 5.4 基于核主元分析和支持向量机的旋转机械故障聚类方法 | 第60-62页 |
| 5.4.1 基于核主元分析与支持向量机的旋转机械故障诊断模型 | 第61页 |
| 5.4.2 实验研究 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 结论和展望 | 第63-65页 |
| 6.1 研究工作的总结 | 第63页 |
| 6.2 未来工作的展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
