基于多元状态估计的电站风机故障预警方法研究与应用
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 1 绪论 | 第11-18页 |
| 1.1 选题背景及意义 | 第11页 |
| 1.2 数据挖掘技术与设备状态监测的融合 | 第11-12页 |
| 1.3 故障预警系统研究及应用现状 | 第12-16页 |
| 1.3.1 故障预警方法研究现状 | 第12-14页 |
| 1.3.2 故障预警系统应用现状 | 第14-15页 |
| 1.3.3 电站风机故障预警方法研究现状 | 第15-16页 |
| 1.4 论文主要研究内容 | 第16-18页 |
| 2 电站风机系统特点及常见故障分析 | 第18-21页 |
| 2.1 风机的分类 | 第18-19页 |
| 2.2 风机的结构和工作原理 | 第19页 |
| 2.3 风机常见故障类型及原因 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 数据采集及预处理方法 | 第21-32页 |
| 3.1 数据准备 | 第21-22页 |
| 3.1.1 数据筛选原则 | 第21页 |
| 3.1.2 数据插值理论 | 第21-22页 |
| 3.2 主元分析理论 | 第22-28页 |
| 3.2.1 主元分析几何说明 | 第22-24页 |
| 3.2.2 主元分析的数学模型 | 第24页 |
| 3.2.3 主元分析理论推导及性质 | 第24-27页 |
| 3.2.4 主元分析参数筛选步骤 | 第27-28页 |
| 3.3 小波变换 | 第28-30页 |
| 3.3.1 小波变换理论简介 | 第28-29页 |
| 3.3.2 小波变换分解流程 | 第29-30页 |
| 3.4 缺失数据处理 | 第30-31页 |
| 3.4.1 缺失数据概念 | 第30-31页 |
| 3.4.2 缺失数据处理方法 | 第31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于MSET的风机故障预警方法 | 第32-48页 |
| 4.1 相似度量理论 | 第32-37页 |
| 4.1.1 相似系数函数 | 第32-34页 |
| 4.1.2 距离函数 | 第34-37页 |
| 4.1.3 余弦相似度度量与距离相似度量的对比 | 第37页 |
| 4.2 多元状态估计技术基本原理 | 第37-40页 |
| 4.3 多元状态估计关键技术点 | 第40-45页 |
| 4.3.1 数据归一化处理 | 第40-41页 |
| 4.3.2 构建训练矩阵 | 第41页 |
| 4.3.3 构建记忆矩阵 | 第41-44页 |
| 4.3.4 相似性算子 | 第44-45页 |
| 4.4 滑动窗口残差统计与相似度 | 第45-46页 |
| 4.5 建模技术研究 | 第46-47页 |
| 4.5.1 分模块预测技术 | 第46页 |
| 4.5.2 分季节预测技术 | 第46页 |
| 4.5.3 设置预警时间阈值 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 5 故障预警系统应用研究 | 第48-67页 |
| 5.1 数据预处理 | 第48-54页 |
| 5.1.1 设备相关测点采集 | 第48-49页 |
| 5.1.2 参数简化及重要参数筛选 | 第49-51页 |
| 5.1.3 历史正常运行时间段筛选 | 第51-53页 |
| 5.1.4 记忆矩阵构造 | 第53-54页 |
| 5.2 故障预警仿真验证 | 第54-57页 |
| 5.3 故障实例预警分析 | 第57-60页 |
| 5.4 故障预警系统应用分析 | 第60-66页 |
| 5.4.1 增压风机电机故障分析 | 第60-62页 |
| 5.4.2 引风机测点故障分析 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 本文主要内容 | 第67-68页 |
| 6.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间取得的研究成果 | 第73页 |
