| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 主要符号表 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·选题的背景及意义 | 第12-13页 |
| ·故障诊断研究现状 | 第13-16页 |
| ·国内研究现状 | 第14-16页 |
| ·国外研究现状 | 第16页 |
| ·本文研究主要内容 | 第16-18页 |
| 第2章 电厂风机及其故障类型介绍 | 第18-28页 |
| ·概述 | 第18页 |
| ·风机的分类 | 第18-19页 |
| ·火电厂风机故障的来源、常见故障类型与特征 | 第19-25页 |
| ·风机故障的来源及主要原因 | 第19-20页 |
| ·风机常见故障类型与特征 | 第20-25页 |
| ·被诊断具体风机设备介绍 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 风机振动故障特征提取理论基础及应用 | 第28-47页 |
| ·概述 | 第28页 |
| ·振动信号的时域特征简介 | 第28-34页 |
| ·峰峰值 | 第28-29页 |
| ·Hurst 指数及最大李亚普诺夫诺夫指数 | 第29-30页 |
| ·近似熵的定义及其性质 | 第30-32页 |
| ·转子振动轴心轨迹 | 第32-34页 |
| ·振动信号的频域特征简介 | 第34-35页 |
| ·振动信号的时频分析 | 第35-46页 |
| ·EMD 方法的原理 | 第35-36页 |
| ·AR 模型法谱估计 | 第36-40页 |
| ·离心式风机不对中故障时频分析 | 第40-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 离心式风机振动信号的预处理 | 第47-55页 |
| ·ICA 的基本理论 | 第47-49页 |
| ·基于高斯矩的噪声FastICA 算法 | 第47-48页 |
| ·负熵判据和数据的高斯矩 | 第48页 |
| ·数据预处理和独立分量提取 | 第48-49页 |
| ·噪声去除准则 | 第49页 |
| ·仿真信号处理 | 第49-51页 |
| ·风机振动信号处理 | 第51-53页 |
| ·FASTICA 与EMD 方法去噪比较 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 k-means 算法在风机振动信号分析中的应用 | 第55-62页 |
| ·K‐均值算法基本思想 | 第55-56页 |
| ·改进的k‐means 算法 | 第56-57页 |
| ·k‐means 算法在风机振动诊断中的应用 | 第57-60页 |
| ·本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |