基于非线性理论的汽轮机轴系振动故障研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第1章 绪 论 | 第8-18页 |
| 1．1 研究背景 | 第8-9页 |
| 1．2 非线性理论基础 | 第9-11页 |
| 1．3 国内外研究现状综述 | 第11-16页 |
| 1．4 本文主要研究内容 | 第16-18页 |
| 第2章 汽轮机轴系振动故障数据库 | 第18-38页 |
| 2．1 碰摩故障特征分析 | 第18-27页 |
| 2．1．1 实际碰摩故障特征提取 | 第18-21页 |
| 2．1．2 碰摩混沌特征分析 | 第21-27页 |
| 2．2 中心孔进油故障特征分析 | 第27-30页 |
| 2．3 裂纹和油膜振荡故障特征的实验研究 | 第30-33页 |
| 2．4 典型振动故障数据库 | 第33-37页 |
| 2．4．1 数据库的基本内容 | 第34-35页 |
| 2．4．2 故障的特征征兆 | 第35-36页 |
| 2．4．3 数据库的主要特点 | 第36-37页 |
| 2．5 本章小结 | 第37-38页 |
| 第3章 汽轮发电机组故障诊断与自学习 | 第38-58页 |
| 3．1 引 言 | 第38页 |
| 3．2 改进的故障诊断网络模型 | 第38-45页 |
| 3．2．1 模糊神经网络 | 第38-39页 |
| 3．2．2 径向基函数网络模型 | 第39-41页 |
| 3．2．3 改进的RBFNN故障诊断模型 | 第41-43页 |
| 3．2．4 诊断实例 | 第43-45页 |
| 3．3 基于热参数的故障诊断 | 第45-51页 |
| 3．3．1 振动故障的热参数征兆分析 | 第45-48页 |
| 3．3．2 基于热参数的故障诊断实例 | 第48-51页 |
| 3．4 新故障样本的获取方法 | 第51-55页 |
| 3．4．1 新故障样本的识别 | 第51-54页 |
| 3．4．2 新故障标准样本的逼近 | 第54-55页 |
| 3．5 自适应诊断系统 | 第55-57页 |
| 3．6 本章小结 | 第57-58页 |
| 第4章 汽轮发电机组振动非线性预测 | 第58-75页 |
| 4．1 引 言 | 第58页 |
| 4．2 振动序列预测 | 第58-66页 |
| 4．2．1 相空间重构 | 第58-59页 |
| 4．2．2 振动预测建模 | 第59-61页 |
| 4．2．3 重构相空间参数的确定 | 第61-64页 |
| 4．2．4 预测实例比较 | 第64-66页 |
| 4．3 趋势分析 | 第66-74页 |
| 4．3．1 汽轮发电机组运行状态的中长期趋势分析 | 第66-67页 |
| 4．3．2 中长期趋势可预测性分析 | 第67-70页 |
| 4．3．3 趋势提取 | 第70-71页 |
| 4．3．4 趋势预测实例分析 | 第71-74页 |
| 4．4 本章小结 | 第74-75页 |
| 第5章 网络化智能监测与诊断系统 | 第75-85页 |
| 5．1 引 言 | 第75页 |
| 5．2 基于网络的分布式系统设计 | 第75-79页 |
| 5．2．1 系统总体设计 | 第75-77页 |
| 5．2．2 数据采集和数据库的维护 | 第77-79页 |
| 5．3 系统的主要功能和运行实例 | 第79-84页 |
| 5．4 系统的主要特点 | 第84-85页 |
| 第6章 结 论 | 第85-87页 |
| 参考文献 | 第87-95页 |
| 攻读博士学位期间发表的学术论文 | 第95-97页 |
| 致 谢 | 第97页 |
