| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 概述 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 状态监测、故障诊断的发展与研究现状 | 第10-15页 |
| 1.2.1 状态监测与故障诊断技术的发展与研究现状 | 第10-12页 |
| 1.2.2 神经网络的发展简史 | 第12-13页 |
| 1.2.3 神经网络在状态监测与故障诊断方面的研究现状 | 第13-15页 |
| 1.3 论文主要研究内容 | 第15-17页 |
| 1.3.1 主要研究内容 | 第15页 |
| 1.3.2 本文结构 | 第15-17页 |
| 第2章 燃气轮机及其振动故障综述 | 第17-34页 |
| 2.1 燃气轮机简介 | 第17-18页 |
| 2.2 燃气轮机的主要结构 | 第18-22页 |
| 2.2.1 轴流压气机 | 第18-19页 |
| 2.2.2 燃烧室 | 第19-21页 |
| 2.2.3 燃气透平 | 第21-22页 |
| 2.3 燃气轮机的发展 | 第22-28页 |
| 2.3.1 世界燃气轮机的发展 | 第22-25页 |
| 2.3.2 我国燃气轮机的发展 | 第25-27页 |
| 2.3.3 F级重型燃气轮机的比较 | 第27-28页 |
| 2.4 燃气轮机的常见故障 | 第28-30页 |
| 2.5 燃气轮机故障统计 | 第30-34页 |
| 2.5.1 燃气轮机制造商 | 第31页 |
| 2.5.2 故障类型 | 第31-33页 |
| 2.5.3 燃气轮机故障统计结果的应用 | 第33-34页 |
| 第3章 燃气轮机振动测试与数据分析 | 第34-41页 |
| 3.1 燃气轮机试验台简介 | 第34-37页 |
| 3.1.1 传感器布置情况 | 第35-36页 |
| 3.1.2 模拟故障状态介绍 | 第36-37页 |
| 3.2 实验数据分析 | 第37-41页 |
| 3.2.1 实验数据时域分析 | 第37-39页 |
| 3.2.2 实验数据频域分析 | 第39-41页 |
| 第4章 SOM神经网络理论及其Matlab实现 | 第41-53页 |
| 4.1 神经网络简介 | 第41-43页 |
| 4.1.1 神经网络的概念 | 第41页 |
| 4.1.2 神经网络的基本特征, | 第41-42页 |
| 4.1.3 神经网络的基本功能 | 第42-43页 |
| 4.1.4 神经网络的应用 | 第43页 |
| 4.2 自组织特征映射(SOM)神经网络简介 | 第43-44页 |
| 4.3 自组织特征映射(SOM)神经网络的结构 | 第44-46页 |
| 4.4 自组织特征映射网络的学习过程 | 第46-47页 |
| 4.5 SOM神经网络的Matlab实现 | 第47-53页 |
| 4.5.1 SOM神经网络分类结果影响因素的分析 | 第48-53页 |
| 第5章 基于SOM神经网络的燃机故障诊断分析 | 第53-65页 |
| 5.1 SOM神经网络的初步验证分析 | 第53-55页 |
| 5.1.1 故障信号的特征提取与SOM神经网络分析 | 第53-55页 |
| 5.1.2 SOM神经网络分类结果的检验 | 第55页 |
| 5.1.3 结论分析 | 第55页 |
| 5.2 频域特征值的SOM神经网络分类分析 | 第55-57页 |
| 5.3 不同传感器数据下SOM神经网络分类分析 | 第57-61页 |
| 5.3.1 不同传感器信号的时域特征值SOM分类 | 第57-59页 |
| 5.3.2 训练步长对不同传感器SOM分类结果的影响 | 第59-61页 |
| 5.4 不同载荷数据下SOM神经网络分析 | 第61-63页 |
| 5.5 不同工作频率下SOM神经网络分析 | 第63-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士期间发表论文及参与的科研工作 | 第70-71页 |
| 致谢 | 第71页 |
