| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 序论 | 第10-19页 |
| 1．1 引言 | 第10-12页 |
| 1．1．1 课题背景及选题意义 | 第10-11页 |
| 1．1．2 汽轮发电机常见故障分类 | 第11-12页 |
| 1．2 汽轮发电机振动故障诊断技术研究概况 | 第12-16页 |
| 1．2．1 人工诊断 | 第13页 |
| 1．2．2 智能诊断 | 第13-15页 |
| 1．2．3 国内外发展情况 | 第15页 |
| 1．2．4 存在及需要解决的问题 | 第15-16页 |
| 1．3 汽轮发电机振动故障远程诊断技术 | 第16-18页 |
| 1．3．1 汽轮发电机远程监测诊断模式 | 第16-17页 |
| 1．3．2 远程故障诊断的研究现状 | 第17-18页 |
| 1．4 本文的主要任务 | 第18-19页 |
| 第二章 汽轮发电机振动故障机理分析 | 第19-29页 |
| 2．1 汽轮发电机振动故障概述 | 第19-24页 |
| 2．1．1 汽轮发电机振动基本特性 | 第20页 |
| 2．1．2 汽轮发电机振动分类 | 第20-22页 |
| 2．1．3 汽轮发电机振动故障分类及特征 | 第22-24页 |
| 2．2 转子不平衡故障的机理与特征分析 | 第24-26页 |
| 2．2．1 转子质量不平衡 | 第24-25页 |
| 2．2．2 转子部件飞脱和松动 | 第25页 |
| 2．2．3 转子热弯曲 | 第25-26页 |
| 2．2．4 轴不平衡 | 第26页 |
| 2．3 不对中故障机理与诊断 | 第26-27页 |
| 2．3．1 转子不对中 | 第26-27页 |
| 2．3．2 轴系不对中 | 第27页 |
| 2．3．3 不对中振动特征 | 第27页 |
| 2．4 动静碰摩的故障机理与诊断 | 第27-28页 |
| 2．4．1 碰摩原因 | 第27-28页 |
| 2．4．2 碰摩发生的机理 | 第28页 |
| 2．4．3 碰摩的诊断方法 | 第28页 |
| 2．5 小结 | 第28-29页 |
| 第三章 汽轮发电机振动故障信息处理技术 | 第29-47页 |
| 3．1 信号的采集 | 第29-33页 |
| 3．1．1 振动的基本参数 | 第30页 |
| 3．1．2 传感器技术 | 第30-32页 |
| 3．1．3 模/数(A/D)转换 | 第32-33页 |
| 3．2 振动信号处理技术 | 第33-36页 |
| 3．2．1 特征提取 | 第33-34页 |
| 3．2．2 离散傅立叶变换(DFT)和快速傅立叶变换(FFT) | 第34-36页 |
| 3．3 非整周期采样 | 第36-46页 |
| 3．3．1 同步误差产生原因 | 第36-37页 |
| 3．3．2 时域分析 | 第37-40页 |
| 3．3．3 频域分析 | 第40-44页 |
| 3．3．4 陷波 | 第44-46页 |
| 3．4 本章小结 | 第46-47页 |
| 第四章 二人工神级网络与遗传算法在汽轮发电机振动故障诊断中的应用 | 第47-64页 |
| 4．1 人工神经网络概述 | 第47-49页 |
| 4．1．1 人工神经元基本知识 | 第47-48页 |
| 4．1．2 神经元非线性特性 | 第48-49页 |
| 4．1．3 神经网络模型 | 第49页 |
| 4．2 人工神经网络的特点 | 第49-50页 |
| 4．3 遗传算法的应用 | 第50-54页 |
| 4．3．1 遗传算法的特点 | 第50-51页 |
| 4．3．2 遗传算法的基本技术 | 第51-53页 |
| 4．3．3 遗传算法主要步骤 | 第53-54页 |
| 4．4 神经网络在汽轮发电机振动故障诊断中的应用研究 | 第54-63页 |
| 4．4．1 汽轮发电机振动故障的特征相量矩阵构造 | 第54-56页 |
| 4．4．2 基于 GA的人工神经网络 | 第56-57页 |
| 4．4．3 隐含层数的确定 | 第57页 |
| 4．4．4 隐含层单元数的选择 | 第57页 |
| 4．4．5 权值和闽值的初始值的选取 | 第57页 |
| 4．4．6 神经网络结构 | 第57-58页 |
| 4．4．7 神经网络的训练和识别 | 第58-62页 |
| 4．4．8 对传统遗传算法的改进 | 第62-63页 |
| 4．5 本章小结 | 第63-64页 |
| 第五章 汽轮发电机振动故障远程诊断的研究 | 第64-72页 |
| 5．1 远程诊断系统组成 | 第64-65页 |
| 5．2 支持远程故障诊断的网络技术 | 第65-66页 |
| 5．3 远程故障诊断中的数据库技术 | 第66-67页 |
| 5．3．1 数据库系统的组成 | 第66页 |
| 5．3．2 数据库系统的特点 | 第66-67页 |
| 5．3．3 数据模型 | 第67页 |
| 5．3．4 数据库的主要优点 | 第67页 |
| 5．3．5 数据压缩技术 | 第67页 |
| 5．4 仿真与网络训练 | 第67-71页 |
| 5．4．1 网络训练 | 第67-68页 |
| 5．4．2 采集部分 | 第68-69页 |
| 5．4．3 在线监测部分 | 第69-70页 |
| 5．4．4 远程监测部分 | 第70-71页 |
| 5．5 本章小结 | 第71-72页 |
| 第六章 小结与展望 | 第72-74页 |
| 6．1 本文小结 | 第72-73页 |
| 6．2 汽轮发电机故障诊断的发展前景与趋势 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
