汽轮发电机振动故障诊断
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.1.1 发电机故障诊断概述 | 第9-10页 |
| 1.1.2 故障诊断的目的与意义 | 第10页 |
| 1.2 发电机故障诊断的研究现状 | 第10-14页 |
| 1.2.1 发电机故障诊断的研究成果 | 第10-11页 |
| 1.2.2 对基于小波分析的故障诊断研究现状 | 第11-12页 |
| 1.2.3 基于神经网络的智能故障诊断的研究现状 | 第12-13页 |
| 1.2.4 基于模糊神经网络的故障诊断的研究现状 | 第13-14页 |
| 1.3 本文的主要内容 | 第14-15页 |
| 2 原始振动信号的采集 | 第15-19页 |
| 2.1 振动的基本参数 | 第15-16页 |
| 2.2 振动信号的采集 | 第16-17页 |
| 2.2.1 测量对象与内容的确定 | 第16页 |
| 2.2.2 测量仪器的选择 | 第16-17页 |
| 2.2.3 测量点的选择与确定 | 第17页 |
| 2.2.4 测振传感器类型的选取原则 | 第17页 |
| 2.2.5 测量的工况、内容及步骤 | 第17页 |
| 2.3 振动信号的提取 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 汽轮机振动信号的消噪与分析研究 | 第19-39页 |
| 3.1 小波分析的理论研究 | 第19-20页 |
| 3.2 基于傅里叶变换的传统消噪方法的局限性 | 第20-21页 |
| 3.3 小波变换在信号消噪中的应用 | 第21-28页 |
| 3.3.1 小波变换的特点 | 第22-23页 |
| 3.3.2 小波基的选择 | 第23-25页 |
| 3.3.3 小波分解层数的选择 | 第25-26页 |
| 3.3.4 传统Donoho阈值消噪方法及其应用 | 第26页 |
| 3.3.5 基于遗传算法的小波消噪方法及其应用 | 第26-28页 |
| 3.4 小波包分析概述 | 第28-29页 |
| 3.5 小波包分析在信号消噪中的应用 | 第29-33页 |
| 3.5.1 基于最优小波包基的信号消噪 | 第30-31页 |
| 3.5.2 本文小波参数的选取 | 第31-33页 |
| 3.6 基于matlab各消噪方法的对比仿真 | 第33-34页 |
| 3.7 主元与核主元分析的基本方法 | 第34-37页 |
| 3.7.1 主元分析的基本原理 | 第34页 |
| 3.7.2 主元分析的具体步骤 | 第34-35页 |
| 3.7.3 核主元分析的基本原理 | 第35-36页 |
| 3.7.4 核主元分析的具体步骤 | 第36-37页 |
| 3.8 本章小结 | 第37-39页 |
| 4 故障识别方法的研究 | 第39-55页 |
| 4.1 基于BP神经网络的故障识别 | 第39-42页 |
| 4.1.1 神经网络方法介绍 | 第39-40页 |
| 4.1.2 BP神经网络的网络模型与结构 | 第40页 |
| 4.1.3 BP神经网络各参数确定 | 第40-41页 |
| 4.1.4 BP神经网络的不足 | 第41页 |
| 4.1.5 BP神经网络的仿真 | 第41-42页 |
| 4.2 基于RBF神经网络的故障识别 | 第42-45页 |
| 4.2.1 RBF神经网络的学习算法 | 第43-44页 |
| 4.2.2 RBF神经网络结构的确定方法 | 第44页 |
| 4.2.3 RBF神经网络的仿真 | 第44-45页 |
| 4.3 基于模糊神经网络的故障识别 | 第45-53页 |
| 4.3.1 模糊神经网络理论基础 | 第45-48页 |
| 4.3.2 自适应模糊神经网络系统的建立 | 第48-51页 |
| 4.3.3 模糊神经网络的仿真 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 5 KPCA和模糊神经网络的的汽轮发电机故障诊断 | 第55-69页 |
| 5.1 振动信号的采集 | 第55-56页 |
| 5.2 最优小波包基的降噪分析处理 | 第56-58页 |
| 5.3 核主元分析处理和模糊神经网络的故障诊断 | 第58-60页 |
| 5.3.1 KPCA处理和故障诊断的步骤 | 第58页 |
| 5.3.2 诊断的参数选择与设置 | 第58-60页 |
| 5.4 matlab仿真结果分析 | 第60-63页 |
| 5.5 仿真对比 | 第63-67页 |
| 5.5.1 无处理的模糊神经网络故障诊断 | 第63-64页 |
| 5.5.2 BP神经网络故障诊断 | 第64-65页 |
| 5.5.3 核主元分析和BP神经网络的故障诊断 | 第65-66页 |
| 5.5.4 核主元分析和RBF神经网络的故障诊断 | 第66-67页 |
| 5.6 本章小结 | 第67-69页 |
| 6 结论与展望 | 第69-71页 |
| 6.1 结论 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间所发表的学术论文 | 第77页 |
