转子动平衡计算及转子轴心轨迹识别
| 第1章 绪论 | 第1-20页 |
| ·设备状态监测与故障诊断技术发展概况 | 第10-12页 |
| ·研究故障诊断的目的和意义 | 第10-11页 |
| ·国内外状态监测与故障诊断的发展及应用概况 | 第11-12页 |
| ·关于旋转机械振动监测与诊断 | 第12页 |
| ·模式识别的研究及应用现状 | 第12-15页 |
| ·模式识别的研究状况 | 第12-14页 |
| ·模式识别在机械系统监测与诊断中的应用 | 第14-15页 |
| ·神经网络的发展及应用概况 | 第15-19页 |
| ·神经网络的发展史 | 第15-17页 |
| ·当前国内外人工神经网络的应用概况 | 第17-18页 |
| ·神经网络在旋转机械故障诊断中的应用 | 第18-19页 |
| ·本文的主要工作 | 第19-20页 |
| 第2章 转子动力学与动平衡实验原理 | 第20-33页 |
| ·转子振动机理 | 第20-22页 |
| ·转子质量不平衡分析 | 第22-23页 |
| ·转子动平衡实验常用方法 | 第23-27页 |
| ·试加重量的计算 | 第23-24页 |
| ·单平面测相平衡法 | 第24-25页 |
| ·两个平面的测相平衡法 | 第25-27页 |
| ·动平衡的振幅评定标准 | 第27-28页 |
| ·摇摆及变工况对转子不平衡的影响 | 第28-32页 |
| ·摇摆对转子不平衡的影响 | 第28-31页 |
| ·变工况对转子不平衡的影响 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 旋转机械故障的神经网络诊断技术 | 第33-41页 |
| ·神经网络的基本原理和特征 | 第33-35页 |
| ·常用神经网络模型 | 第35-40页 |
| ·BP网络模型 | 第35-38页 |
| ·Hopfield网络模型 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 汽轮机转子常见故障的特征及分析方法 | 第41-51页 |
| ·汽轮机转子的主要故障及其特征 | 第41-46页 |
| ·转子不平衡 | 第41-42页 |
| ·转子不对中 | 第42-44页 |
| ·油膜振荡和油膜涡动 | 第44-46页 |
| ·汽轮机转子故障的分析方法 | 第46-50页 |
| ·波形分析方法 | 第46-47页 |
| ·频谱分析方法 | 第47页 |
| ·轴心轨迹分析方法 | 第47-48页 |
| ·启停过程分析方法 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于BP网络的轴心轨迹识别 | 第51-72页 |
| ·模式识别的基本概念 | 第51-53页 |
| ·BP网络学习规则的数学推导 | 第53-62页 |
| ·单样本训练方法 | 第55-58页 |
| ·BP网络的批处理算法 | 第58-59页 |
| ·BP网络的具体学习步骤 | 第59-61页 |
| ·BP网络的流程图 | 第61-62页 |
| ·BP网络节点激励函数的分析 | 第62-63页 |
| ·BP网络结构设计及有关参数设置 | 第63-66页 |
| ·BP网络输入输出数据的归一化处理 | 第63-64页 |
| ·BP网络输入与输出层设计 | 第64-65页 |
| ·BP网络中间层数目的选择 | 第65-66页 |
| ·BP网络中间层节点数目的选择 | 第66页 |
| ·BP网络训练的初始连接权与阈值的选择 | 第66页 |
| ·轴心轨迹图的自动转换 | 第66-68页 |
| ·BP网络的学习训练 | 第68-70页 |
| ·识别系统的总体结构 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第6章 实验研究 | 第72-81页 |
| ·实验台架 | 第72-75页 |
| ·实验台架结构介绍 | 第72-73页 |
| ·主要监测测点及布置位置 | 第73-75页 |
| ·实验结果 | 第75-80页 |
| ·动平衡实验结果 | 第75-78页 |
| ·轴心轨迹识别结果 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 结论 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第85-86页 |
| 致谢 | 第86页 |
