| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题背景和研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 基于现场数据的磨煤机动态建模研究 | 第12-13页 |
| 1.2.2 磨煤机状态在线监测方法研究 | 第13页 |
| 1.2.3 磨煤机故障诊断方法研究 | 第13-14页 |
| 1.3 论文主要研究内容和组织结构 | 第14-17页 |
| 第二章 磨煤机灰箱建模及参数辨识方法研究 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 磨煤机灰箱建模研究 | 第17-20页 |
| 2.3 基于遗传算法的磨煤机灰箱参数辨识方法研究 | 第20-31页 |
| 2.3.1 基于遗传算法的参数辨识方法 | 第20-27页 |
| 2.3.2 基于现场数据的灰箱模型验证 | 第27-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 磨煤机状态在线监测算法研究 | 第33-61页 |
| 3.1 引言 | 第33页 |
| 3.2 扩展卡尔曼滤波器算法 | 第33-41页 |
| 3.2.1 卡尔曼滤波器原理 | 第33-35页 |
| 3.2.2 基于标准扩展卡尔曼滤波器的磨煤机状态在线监测 | 第35-37页 |
| 3.2.3 基于现场数据的仿真研究 | 第37-41页 |
| 3.3 非线性滚动时域估计算法 | 第41-53页 |
| 3.3.1 全信息时域估计 | 第41-43页 |
| 3.3.2 滚动时域算法估计原理 | 第43-44页 |
| 3.3.3 基于局部线性化的非线性到达代价计算方法 | 第44-46页 |
| 3.3.4 基于非线性滚动时域算法的磨煤机状态在线监测 | 第46-48页 |
| 3.3.5 基于现场数据的仿真研究 | 第48-53页 |
| 3.4 一种新的磨煤机状态在线监测方法及其仿真研究 | 第53-60页 |
| 3.4.1 算法原理 | 第53-55页 |
| 3.4.2 基于现场数据的仿真研究 | 第55-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第四章 磨煤机故障诊断方法研究 | 第61-81页 |
| 4.1 引言 | 第61页 |
| 4.2 磨煤机常见故障类型 | 第61-66页 |
| 4.3 基于残差分析的磨煤机故障诊断方法 | 第66-70页 |
| 4.3.1 基于残差的故障诊断方法原理 | 第66-68页 |
| 4.3.2 磨煤机故障残差分析 | 第68-70页 |
| 4.4 基于多尺度小波分析的磨煤机故障分类方法 | 第70-79页 |
| 4.4.1 基于多尺度小波分析的故障残差分解 | 第70-77页 |
| 4.4.2 基于现场数据的仿真研究 | 第77-79页 |
| 4.5 本章小结 | 第79-81页 |
| 第五章 结论与展望 | 第81-82页 |
| 5.1 论文工作总结 | 第81页 |
| 5.2 今后工作的展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 作者在攻读硕士学位期间撰写和发表的论文 | 第86页 |
| 作者在攻读硕士学位期间申请的专利 | 第86页 |
| 作者在攻读硕士学位期间参与的科研项目 | 第86页 |
