| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-16页 |
| ·问题的提出 | 第9页 |
| ·故障诊断的意义和目的 | 第9-11页 |
| ·国内外故障诊断技术发展现状 | 第11-12页 |
| ·国外诊断技术发展及应用状况 | 第11页 |
| ·国内诊断技术发展及应用状况 | 第11-12页 |
| ·国内故障诊断系统存在的差距 | 第12页 |
| ·利用振动信号作状态监测与故障诊断的依据 | 第12-13页 |
| ·研究的主要内容 | 第13-15页 |
| ·故障诊断的主要内容 | 第13-14页 |
| ·本文研究的主要内容 | 第14页 |
| ·论文研究步骤 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 2 水轮发电机组振动理论及故障信号的处理方法 | 第16-27页 |
| ·水轮发电机组振动理论 | 第16-17页 |
| ·水轮发电机组振动故障的特点 | 第17-18页 |
| ·水轮发电机组振动的复杂性 | 第17页 |
| ·水轮发电机组振动的耦联性 | 第17-18页 |
| ·水轮发电机组振动故障和特征的非一一对应性 | 第18页 |
| ·水轮发电机组振动机理 | 第18-22页 |
| ·水力因素 | 第18-20页 |
| ·机械因素 | 第20-21页 |
| ·电气因素 | 第21-22页 |
| ·水电机组故障诊断系统信号处理的主要内容 | 第22-26页 |
| ·信号处理系统 | 第22-23页 |
| ·信号的预处理 | 第23-24页 |
| ·数据检验 | 第24-25页 |
| ·信号处理的主要方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 小波及小波包分析理论 | 第27-35页 |
| ·引言 | 第27页 |
| ·小波理论的发展 | 第27-28页 |
| ·小波变换的基本概念 | 第28-29页 |
| ·多分辨分析 | 第29-31页 |
| ·小波包分析 | 第31-34页 |
| ·小波包的定义 | 第32-33页 |
| ·小波包的性质及算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于BP 神经网络的故障诊断研究 | 第35-44页 |
| ·人工神经网络基本理论 | 第35-38页 |
| ·神经网络概述 | 第35-37页 |
| ·神经网络的故障诊断能力 | 第37-38页 |
| ·反向传播BP 网络 | 第38-41页 |
| ·反向传播网络模型和结构 | 第38页 |
| ·BP 算法 | 第38-41页 |
| ·BP 神经网络的不足 | 第41-42页 |
| ·基于改进BP 神经网络的故障诊断 | 第42-43页 |
| ·BP 网络参数的改进 | 第42-43页 |
| ·BP 算法的改进 | 第43页 |
| ·本章小结 | 第43-44页 |
| 5 基于小波包和神经网络的故障诊断研究 | 第44-62页 |
| ·基于小波包的噪声处理 | 第44-49页 |
| ·信号和噪声在小波变换下的特性 | 第44页 |
| ·基于小波包分解系数收缩的去噪原理 | 第44-45页 |
| ·阈值的选择 | 第45-46页 |
| ·阈值函数的选择 | 第46-47页 |
| ·去噪算法的有效性 | 第47页 |
| ·仿真结果及讨论 | 第47-49页 |
| ·利用小波包分析进行特征提取 | 第49-51页 |
| ·小波包能量分析 | 第49-50页 |
| ·提取系统特征信息的小波包变换方法 | 第50-51页 |
| ·BP 网络的设计考虑 | 第51-52页 |
| ·仿真结果及讨论 | 第52-60页 |
| ·实例分析一：故障信号点的检测 | 第52-54页 |
| ·实例分析二：南桠河水电站水轮发电机组振动故障信号分析 | 第54-60页 |
| ·本章小结 | 第60-62页 |
| 6. 结论与研究展望 | 第62-64页 |
| ·结论 | 第62页 |
| ·后续工作及展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68页 |