基于时间序列分析的水轮机叶片动态参数识别技术研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第6-7页 |
| 第一章 前言 | 第7-13页 |
| ·研究意义 | 第7-8页 |
| ·研究现状 | 第8-11页 |
| ·研究内容 | 第11-13页 |
| ·利用时间序列分析方法识别叶片的动态参数 | 第11-12页 |
| ·最大熵谱分析 | 第12-13页 |
| 第二章 时间序列分析基本理论 | 第13-36页 |
| ·ARMA模型 | 第13-28页 |
| ·ARMA模型定义 | 第13-14页 |
| ·ARMA模型等价形式 | 第14-15页 |
| ·传递形式与格林函数 | 第15页 |
| ·逆转函数与逆函数 | 第15页 |
| ·ARMA自相关函数与偏相关函数 | 第15-16页 |
| ·ARMA 自相关函数 | 第16页 |
| ·ARMA 偏相关函数 | 第16页 |
| ·ARMA模型参数估计 | 第16-24页 |
| ·ARMA 模型相关分析 | 第17-18页 |
| ·ARMA 模型的初估计 | 第18-19页 |
| ·ARMA 模型的精估计 | 第19-24页 |
| ·ARMA模型检验、趋势与定阶 | 第24-28页 |
| ·ARMA 模型检验 | 第24-27页 |
| ·ARMA 模型趋势 | 第27页 |
| ·ARMA 模型定阶 | 第27-28页 |
| ·ARMA 模型与结构动态参数识别 | 第28-29页 |
| ·最大熵谱基本理论 | 第29-36页 |
| ·最大熵谱的概念 | 第29-30页 |
| ·最大熵谱Burg算法 | 第30-33页 |
| ·预测误差格型滤波器 | 第30-32页 |
| ·Burg算法 | 第32-33页 |
| ·最大熵谱Marple算法 | 第33-36页 |
| 第三章 水轮机运行原理及水轮机叶片试验 | 第36-45页 |
| ·水轮机概述 | 第36-38页 |
| ·水轮机的基本原理 | 第36页 |
| ·水轮机基本参数 | 第36页 |
| ·水轮机分类 | 第36-37页 |
| ·混流式水轮机结构 | 第37-38页 |
| ·水轮机叶片试验 | 第38-45页 |
| ·试验水轮机组介绍 | 第38-39页 |
| ·试验叶片测点布置 | 第39-41页 |
| ·测量方法 | 第41页 |
| ·数据采集 | 第41-42页 |
| ·试验安排 | 第42-45页 |
| 第四章 时间序列分析程序实现 | 第45-57页 |
| ·系统开发环境和技术 | 第45-47页 |
| ·面向对象编程Delphi7.0 | 第45-46页 |
| ·虚拟仪器编程语言Labview6i | 第46-47页 |
| ·虚拟仪器技术 | 第46页 |
| ·虚拟仪器编程语言Labview6i | 第46-47页 |
| ·时间序列分析程序实现过程 | 第47-52页 |
| ·数据提取程序 | 第47-48页 |
| ·数据随机性检验性程序 | 第48-49页 |
| ·时间序列分析程序 | 第49-52页 |
| ·ARMA(211,211-1)建模方案的合理 | 第49-50页 |
| ·水轮机叶片动态参数识别程序实现过程 | 第50-52页 |
| ·最大熵谱的实现程序 | 第52-57页 |
| ·Burg算法程序实现过程 | 第52-55页 |
| ·Marple 算法程序实现过程 | 第55-57页 |
| 第五章 水轮机叶片动态参数识别与熵谱分析 | 第57-69页 |
| ·水轮机叶片响应信号分析 | 第57-61页 |
| ·水轮机叶片动态参数识别 | 第61-65页 |
| ·水轮机叶片振动和应变信号特征分析 | 第61-63页 |
| ·水轮机叶片固有频率识别 | 第63-65页 |
| ·叶片固有频率识别结果 | 第63-64页 |
| ·参数识别结果分析 | 第64-65页 |
| ·水轮机叶片振动信号熵谱分析 | 第65-69页 |
| ·经典功率谱与最大熵谱 | 第65-66页 |
| ·最大熵谱两种算法比较 | 第66-69页 |
| 第六章 结论与展望 | 第69-71页 |
| ·结论 | 第69页 |
| ·研究展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73页 |
