| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究目的及意义 | 第9页 |
| 1.2 汽轮机组振动故障诊断方法研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 故障诊断信号处理的研究现状 | 第12页 |
| 1.4 论文的主要工作 | 第12-14页 |
| 第2章 汽轮机振动的机理分析 | 第14-19页 |
| 2.1 600MW汽轮机机组的轴系布置 | 第14-15页 |
| 2.2 汽轮机发电机组轴承故障特征 | 第15-18页 |
| 2.2.1 不平衡故障 | 第15-16页 |
| 2.2.2 不对中故障 | 第16-17页 |
| 2.2.3 油膜振荡故障和油膜涡动 | 第17-18页 |
| 2.2.4 转子动静碰磨故障 | 第18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 振动信号的采集与特征提取 | 第19-30页 |
| 3.1 振动信号的采集 | 第19页 |
| 3.2 振动信号的特征提取 | 第19-29页 |
| 3.2.1 振动信号的时域分析法 | 第20-22页 |
| 3.2.2 振动信号的频域分析法 | 第22-25页 |
| 3.2.3 振动信号的时频分析法 | 第25-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 基于支持向量机的汽轮机振动的故障诊断 | 第30-36页 |
| 4.1 支持向量机理论 | 第30-32页 |
| 4.2 支持向量机参数优化选择方法 | 第32-33页 |
| 4.2.1 交叉验证与网格搜索 | 第32-33页 |
| 4.2.2 粒子群优化算法 | 第33页 |
| 4.2.3 遗传算法 | 第33页 |
| 4.3 支持向量机参数对实际的汽轮机故障信号进行诊断 | 第33-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第5章 结论与展望 | 第36-38页 |
| 5.1 结论 | 第36-37页 |
| 5.2 展望 | 第37-38页 |
| 参考文献 | 第38-42页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第42-43页 |
| 致谢 | 第43-44页 |
| 作者简介 | 第44页 |