基于案例的汽轮机智能故障诊断
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 常用故障诊断方法 | 第13-15页 |
| 1.3 国内外汽轮机故障诊断技术研究现状 | 第15-19页 |
| 1.4 本文研究对象和内容 | 第19-22页 |
| 第二章 基于形式概念的相似故障案例检索 | 第22-38页 |
| 2.1 引言 | 第22-23页 |
| 2.2 文本型历史案例 | 第23-24页 |
| 2.3 主要研究内容 | 第24-32页 |
| 2.3.1 案例知识的表达形式 | 第24-25页 |
| 2.3.2 形式概念 | 第25-28页 |
| 2.3.3 基于形式概念的相似度算法研究 | 第28-32页 |
| 2.4 实例 | 第32-36页 |
| 2.5 k的选取 | 第36-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 基于神经网络的相似振动故障案例检索 | 第38-58页 |
| 3.1 引言 | 第38-39页 |
| 3.2 汽轮机轴系 | 第39页 |
| 3.3 高采样频率振动数据 | 第39-48页 |
| 3.3.1 经验模态分解 | 第41-43页 |
| 3.3.2 基于EMD方法的特征提取 | 第43页 |
| 3.3.3 前馈神经网络 | 第43-45页 |
| 3.3.4 相似度计算 | 第45-46页 |
| 3.3.5 新发生事件的故障诊断 | 第46-48页 |
| 3.4 低采样频率振动数据 | 第48-56页 |
| 3.4.1 质量不平衡 | 第48-49页 |
| 3.4.2 动静碰磨 | 第49-50页 |
| 3.4.3 统计特征提取 | 第50-52页 |
| 3.4.4 新发生事件的故障诊断 | 第52-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第四章 汽轮机智能故障诊断系统开发 | 第58-72页 |
| 4.1 项目背景及开发目标 | 第58页 |
| 4.2 系统方案 | 第58-59页 |
| 4.3 系统开发平台的搭建 | 第59-63页 |
| 4.3.1 系统软件架构 | 第59-60页 |
| 4.3.2 硬件设备 | 第60-61页 |
| 4.3.3 运行环境 | 第61-62页 |
| 4.3.4 性能要求 | 第62-63页 |
| 4.4 数据库设计 | 第63-66页 |
| 4.4.1 总体方案设计 | 第63页 |
| 4.4.2 数据库开发平台介绍 | 第63-64页 |
| 4.4.3 数据库表结构设计 | 第64-66页 |
| 4.5 汽轮机故障诊断系统界面开发 | 第66-68页 |
| 4.6 测试 | 第68-70页 |
| 4.6.1 诊断功能测试 | 第68-69页 |
| 4.6.2 性能测试 | 第69-70页 |
| 4.7 本章小结 | 第70-72页 |
| 第五章 总结与展望 | 第72-76页 |
| 5.1 全文工作小结 | 第72-73页 |
| 5.2 研究工作展望 | 第73-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的成果及参与的科研项目 | 第80页 |
