基于模式识别的汽轮机组振动故障诊断方法的研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 引言 | 第7-11页 |
| ·选题背景及其意义 | 第7-8页 |
| ·汽轮发电机组故障诊断技术研究现状 | 第8-10页 |
| ·本论文的安排和主要工作 | 第10-11页 |
| 第二章 汽轮发电机组振动故障诊断的模式识别方法 | 第11-15页 |
| ·模式识别基本原理 | 第11-13页 |
| ·模式和模式识别的概念 | 第11-12页 |
| ·模式识别系统 | 第12-13页 |
| ·基于模式识别的汽轮发电机组故障诊断 | 第13-14页 |
| ·一种新的模式识别方法——人工免疫算法 | 第14-15页 |
| 第三章 基于负向选择机理的故障诊断方法研究 | 第15-29页 |
| ·免疫系统负向选择机理 | 第15页 |
| ·负向选择算法介绍 | 第15-16页 |
| ·经典负向选择算法 | 第15-16页 |
| ·经典负向选择算法的局限性 | 第16页 |
| ·汽轮机组振动故障诊断的负向选择算法 | 第16-21页 |
| ·抗体空间与状态空间的映射关系 | 第17-18页 |
| ·机组振动故障诊断的负向选择算法 | 第18-19页 |
| ·候选抗体数目的确定 | 第19-21页 |
| ·负向选择算法新的改进 | 第21-24页 |
| ·抗体在空间的均匀分布 | 第22页 |
| ·疫苗的引入 | 第22页 |
| ·抗体的变异 | 第22-23页 |
| ·建立抗体检测器的动态平衡 | 第23-24页 |
| ·汽轮机组振动故障诊断的负向选择算法流程 | 第24-26页 |
| ·有效性检验 | 第26-29页 |
| ·仿真结果分析 | 第26-27页 |
| ·对Iris 数据分类识别的检验 | 第27-29页 |
| 第四章 实验设备及实验方案 | 第29-38页 |
| ·实验设备 | 第29-33页 |
| ·实验目的 | 第29页 |
| ·Bently-RK4 转子振动实验台 | 第29-31页 |
| ·数据采集设备 | 第31-33页 |
| ·实验方案 | 第33-38页 |
| ·传感器标定 | 第33-34页 |
| ·油膜涡动实验数据的采集 | 第34-35页 |
| ·转子动静碰摩实验数据的采集 | 第35-36页 |
| ·数据处理工具 | 第36-38页 |
| 第五章 特征向量的提取和应用负向选择算法诊断结果 | 第38-52页 |
| ·频率特征的提取和应用于负向选择算法的结果 | 第38-43页 |
| ·无量纲指标特征及其应用于负向选择算法 | 第43-47页 |
| ·功率谱特征提取及其应用于负向选择算法 | 第47-52页 |
| ·功率谱的概念 | 第47-48页 |
| ·转子振动信号的功率谱 | 第48-50页 |
| ·识别、诊断结果 | 第50-52页 |
| 第六章 结论 | 第52-53页 |
| ·本论文主要研究成果 | 第52页 |
| ·后续工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 在学期间发表的学术论文和参加科研情况 | 第57页 |
