涡轮叶片温度异常检测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究现状与发展 | 第11-12页 |
| 1.3 课题研究目的与意义 | 第12-14页 |
| 1.4 论文研究内容及安排 | 第14-15页 |
| 第2章 现代故障检测技术及小波变换 | 第15-28页 |
| 2.1 现代故障检测技术概述 | 第15-19页 |
| 2.1.1 时频分析故障特征提取 | 第16-17页 |
| 2.1.2 模糊诊断原理及应用 | 第17-18页 |
| 2.1.3 神经网络在故障诊断中的应用 | 第18-19页 |
| 2.2 小波变换定义及性质 | 第19-21页 |
| 2.2.1 小波变换定义 | 第19-20页 |
| 2.2.2 小波变换性质 | 第20-21页 |
| 2.3 多分辨率分析和Mallat算法 | 第21-23页 |
| 2.4 几种典型小波基 | 第23-27页 |
| 2.4.1 经典类小波基 | 第23-24页 |
| 2.4.2 正交小波基 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 涡轮叶片位置检测 | 第28-44页 |
| 3.1 叶片温度信号预处理 | 第28-31页 |
| 3.1.1 叶片温度去噪处理 | 第28-30页 |
| 3.1.2 叶片温度分割计算 | 第30-31页 |
| 3.2 涡轮叶片位置检测 | 第31-35页 |
| 3.2.1 基于物理脉冲的叶片位置检测 | 第31-33页 |
| 3.2.2 基于叶片温度最大值的位置检测 | 第33-35页 |
| 3.3 基于PCA特征的位置检测 | 第35-43页 |
| 3.3.1 引言 | 第35-36页 |
| 3.3.2 PCA基本原理 | 第36-38页 |
| 3.3.3 基于PCA特征的位置检测 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 叶片温度异常检测 | 第44-63页 |
| 4.1 基于统计特征的叶片温度异常检测 | 第44-49页 |
| 4.1.1 叶片平均温度偏差计算 | 第44页 |
| 4.1.2 基于叶片平均温度偏差的统计分析 | 第44-47页 |
| 4.1.3 基于叶片平均温度偏差变化量的统计分析 | 第47-49页 |
| 4.2 基于Meyer小波变换的特征模型建立 | 第49-57页 |
| 4.2.1 小波分解树 | 第49-50页 |
| 4.2.2 db小波分解 | 第50-51页 |
| 4.2.3 对称Sym小波分解 | 第51页 |
| 4.2.4 coif小波分解 | 第51-52页 |
| 4.2.5 离散Meyer小波分解 | 第52-53页 |
| 4.2.6 特征模型的建立 | 第53-57页 |
| 4.3 基于特征模型的温度异常检测 | 第57-62页 |
| 4.3.1 故障因子模型的选择 | 第57页 |
| 4.3.2 故障信号模拟与分析 | 第57-62页 |
| 4.4 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
