首页--工业技术论文--水利工程论文--水能利用、水电站工程论文--水电站建筑与设备论文--机电设备论文

基于多小波的水电机组振动特征提取及故障诊断方法研究

论文主要创新点第1-8页
摘要第8-10页
Abstract第10-12页
1 绪论第12-30页
   ·引言第12-13页
   ·水电机组故障诊断概述第13-17页
     ·水电机组故障诊断的作用第13-14页
     ·国外故障诊断发展现状第14-16页
     ·国内故障诊断发展现状第16-17页
   ·故障特征提取与故障诊断方法综述第17-25页
     ·故障特征提取方法综述第17-20页
     ·故障诊断方法综述第20-25页
   ·研究背景与意义第25-27页
   ·论文的结构与内容第27-30页
2 基于多小波相邻系数降噪的水电机组振动信号降噪方法研究第30-56页
   ·引言第30页
   ·小波理论第30-40页
     ·小波变换及多分辨率分析基础第30-35页
     ·小波的Mallat算法第35-37页
     ·几种常用的小波第37-40页
   ·多小波理论第40-49页
     ·多小波的多分辨率分析基础第40-42页
     ·多小波的Mallat算法第42-43页
     ·多小波预处理方法第43-44页
     ·几种常用的多小波第44-49页
   ·基于多小波相邻系数降噪的水电机组振动信号降噪方法第49-55页
     ·小波阈值降噪方法第50-51页
     ·多小波相邻系数降噪方法第51-52页
     ·水电机组振动仿真信号降噪实例第52-55页
   ·本章小结第55-56页
3 基于综合检测指数的水电机组自适应多小波振动故障特征提取方法研究第56-86页
   ·引言第56页
   ·自适应多小波理论第56-61页
     ·两尺度相似变换第56-58页
     ·自适应多小波构造第58-61页
   ·综合检测指数第61-62页
   ·基于综合检测指数的水电机组自适应多小波振动故障特征提取方法第62-85页
     ·遗传算法第63-64页
     ·最优多小波选择第64-66页
     ·水电机组振动故障特征提取实例第66-85页
   ·本章小结第85-86页
4 基于蚁群初始化小波网络的水电机组振动故障诊断方法研究第86-105页
   ·引言第86-87页
   ·人工神经网络第87-91页
     ·人工神经元第87-89页
     ·人工神经网络的结构第89-90页
     ·人工神经网络的特点第90-91页
     ·人工神经网络存在的问题第91页
   ·小波网络第91-95页
     ·小波网络的理论基础第92页
     ·小波网络的分类和结构第92-93页
     ·小波网络训练算法第93-95页
   ·蚁群初始化小波网络第95-97页
     ·蚁群算法原理第95-96页
     ·蚁群初始化小波网络原理和步骤第96-97页
   ·基于蚁群初始化小波网络的水电机组振动故障诊断第97-104页
     ·频谱分量幅值特征参数诊断实例第97-100页
     ·自适应多小波特征参数诊断实例第100-104页
   ·本章小结第104-105页
5 基于径向基多小波网络的水电机组振动故障诊断方法研究第105-122页
   ·引言第105页
   ·径向基神经网络第105-109页
     ·径向基神经网络结构第106页
     ·径向基神经网络相关参数的选择方法第106-107页
     ·径向基神经网络训练第107-109页
   ·径向基多小波网络第109-114页
     ·多小波网络的理论基础第109页
     ·多小波网络的分类和结构第109-113页
     ·径向基多小波网络参数的确定第113-114页
     ·径向基多小波网络训练第114页
   ·基于径向基多小波网络的水电机组振动故障诊断第114-121页
     ·频谱分量幅值特征参数诊断实例第114-117页
     ·自适应多小波特征参数诊断实例第117-121页
   ·本章小结第121-122页
6 总结与展望第122-124页
   ·全文总结第122-123页
   ·工作展望第123-124页
参考文献第124-136页
附录1 攻读博士学位期间发表的学术论文第136-137页
附录2 攻读博士学位期间参与的科研项目第137-138页
附录3 中英文对照表第138-139页
致谢第139-140页

论文共140页,点击 下载论文
上一篇:基于瞬变流计算与安全性分析的大型梯级泵站优化调度研究
下一篇:基于输电塔风毁模式的结构优化设计研究