基于小波分析和神经网络的汽轮机故障诊断研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题的背景和意义 | 第9-10页 |
| ·汽轮机故障诊断技术国内外发展现状 | 第10-16页 |
| ·故障机理的研究现状 | 第10-11页 |
| ·故障信息处理技术研究现状 | 第11-13页 |
| ·智能故障诊断方法的研究现状 | 第13-16页 |
| ·本文研究的主要内容 | 第16-17页 |
| 第二章 汽轮机常见典型振动故障及特征 | 第17-26页 |
| ·汽轮发电机组振动故障特征汇总 | 第17-18页 |
| ·转子质量不平衡 | 第18-20页 |
| ·转子质量不平衡的故障特征 | 第18-19页 |
| ·转子质量不平衡的分类特征 | 第19-20页 |
| ·动静碰摩 | 第20-23页 |
| ·碰摩故障基本原理 | 第20-21页 |
| ·转子碰摩的类型 | 第21-22页 |
| ·碰摩的信号特征 | 第22-23页 |
| ·碰摩的诊断方法 | 第23页 |
| ·亚异步振动 | 第23-25页 |
| ·油膜振荡 | 第24页 |
| ·蒸汽振荡 | 第24-25页 |
| ·转子不对中 | 第25页 |
| ·转子不对中的类型 | 第25页 |
| ·不对中的故障特征 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 小波分析及小波基的选择 | 第26-40页 |
| ·小波变换方法 | 第26-28页 |
| ·连续小波基函数 | 第26-27页 |
| ·连续小波变换 | 第27页 |
| ·离散小波变换 | 第27-28页 |
| ·多分辨率分析 | 第28-31页 |
| ·小波包分析 | 第31-32页 |
| ·故障诊断中小波母函数及小波基的选择 | 第32-38页 |
| ·小波母函数及相应基选择的必要性 | 第32-34页 |
| ·常见的小波母函数及其性质 | 第34-37页 |
| ·故障特征提取中小油(包)基的洗择 | 第37-38页 |
| ·仿真研究 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于RBF网络故障分类器的设计 | 第40-61页 |
| ·RBF网络工作原理 | 第40-41页 |
| ·BP网络和RBF网络的比较 | 第41-43页 |
| ·BP网络的特点 | 第41-42页 |
| ·RBF网络的特点 | 第42-43页 |
| ·RBF神经网络的学习算法 | 第43-45页 |
| ·基于免疫原理改进的遗传算法 | 第45-55页 |
| ·遗传算法的原理及缺陷 | 第45-48页 |
| ·人工免疫遗传算法 | 第48-50页 |
| ·免疫遗传算法的原理及流程图 | 第50-53页 |
| ·基于BALDWIN效应改进的免疫遗传算法 | 第53-55页 |
| ·基于混合学习算法的RBF神经网络 | 第55-60页 |
| ·基于免疫遗传算法的参数优化 | 第56-57页 |
| ·RBF权值训练方法 | 第57-58页 |
| ·RBF网络的设计 | 第58-59页 |
| ·仿真实验 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于小波分析和神经网络的汽轮机故障诊断 | 第61-70页 |
| ·常见故障诊断方法的分析 | 第61-63页 |
| ·基于小波包的故障特征提取 | 第63-64页 |
| ·基于小波包的转子故障信号特征提取 | 第63页 |
| ·基于自适应阈值的去噪及数据降维 | 第63-64页 |
| ·诊断仿真 | 第64-69页 |
| ·故障信号采集及分解 | 第65-67页 |
| ·神经网络的分类训练及诊断 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间主要的研究成果 | 第78页 |
