| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 支承系统故障研究现状 | 第10页 |
| 1.2.2 故障识别与预警技术研究现状 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 第2章 汽轮发电机组支承系统故障分析 | 第12-42页 |
| 2.1 支承系统典型故障及其发生位置 | 第12-14页 |
| 2.1.1 故障类型 | 第12-13页 |
| 2.1.2 发生位置 | 第13-14页 |
| 2.2 支承松动故障分析 | 第14-24页 |
| 2.2.1 支承松动故障数学模型的建立 | 第14-16页 |
| 2.2.2 支承松动故障FTA和FMEA分析 | 第16-24页 |
| 2.3 轴承座轴向振动故障分析 | 第24-32页 |
| 2.3.1 轴承座轴向振动故障数学模型的建立 | 第24-25页 |
| 2.3.2 轴承座轴向振动故障FTA和FMEA分析 | 第25-32页 |
| 2.4 结构共振故障分析 | 第32-41页 |
| 2.4.1 结构共振故障机理 | 第32-33页 |
| 2.4.2 结构共振故障FTA和FMEA分析 | 第33-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第3章 汽轮发电机组支承系统故障模式智能识别 | 第42-61页 |
| 3.1 支承系统故障模式特征描述 | 第42-45页 |
| 3.1.1 支承系统故障模式对应参量 | 第42-43页 |
| 3.1.2 支承系统故障模式对应征兆 | 第43-45页 |
| 3.2 支承系统故障征兆量化 | 第45-49页 |
| 3.2.1 阂值型征兆量化 | 第45页 |
| 3.2.2 频率型征兆量化 | 第45-46页 |
| 3.2.3 趋势型征兆量化 | 第46-47页 |
| 3.2.4 相关型征兆量化 | 第47-48页 |
| 3.2.5 图形型征兆量化 | 第48-49页 |
| 3.3 支承系统故障模式识别方法 | 第49-56页 |
| 3.3.1 智能故障模式识别的总体流程 | 第50页 |
| 3.3.2 基于数据重构的异常检测方法 | 第50-54页 |
| 3.3.3 基于证据理论的故障模式识别方法 | 第54-56页 |
| 3.4 案例分析 | 第56-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 汽轮发电机组支承系统故障智能预警技术 | 第61-68页 |
| 4.1 故障模式的状态参量与征兆关联 | 第61-62页 |
| 4.1.1 支承松动故障识别参量及征兆关联 | 第61页 |
| 4.1.2 轴承座轴向振动故障识别参量及征兆关联 | 第61-62页 |
| 4.1.3 结构共振故障识别参量及征兆关联 | 第62页 |
| 4.2 故障模式特征参数等级划分 | 第62-63页 |
| 4.3 模糊评价矩阵建立 | 第63-65页 |
| 4.3.1 状态划分及评价指数确定 | 第63页 |
| 4.3.2 隶属度函数建立 | 第63-65页 |
| 4.4 案例分析 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 结论与展望 | 第68-70页 |
| 5.1 结论 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第74-75页 |
| 致谢 | 第75页 |