涡轮叶片故障诊断与模拟研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·本文研究的背景 | 第10页 |
| ·本文研究的意义 | 第10-12页 |
| ·研究燃气轮机故障的意义 | 第10-11页 |
| ·IETM 的优势 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 第2章 IETM 故障诊断技术 | 第16-34页 |
| ·IETM 技术概述 | 第16-22页 |
| ·IETM 标准介绍 | 第16-17页 |
| ·IETM 的分类 | 第17-18页 |
| ·IETM 的关键技术 | 第18-19页 |
| ·故障树理论 | 第19-20页 |
| ·故障类数据模块的研究 | 第20-22页 |
| ·涡轮叶片故障数据模块 | 第22-24页 |
| ·故障诊断数据模型的建立流程 | 第24-26页 |
| ·涡轮叶片故障诊断 IETM 系统设计 | 第26-28页 |
| ·总体设计思路和处理流程 | 第26-28页 |
| ·IETM 故障诊断系统的框架 | 第28页 |
| ·涡轮叶片故障树结构 | 第28-32页 |
| ·涡轮叶片故障诊断界面显示 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 叶片温度数据分析与故障数据模拟 | 第34-52页 |
| ·涡轮叶片的结构 | 第34-35页 |
| ·涡轮叶片的材料 | 第35-37页 |
| ·涡轮叶片的冷却技术 | 第37-38页 |
| ·涡轮故障诊断的一些基本问题 | 第38-41页 |
| ·用于燃气轮机的故障诊断思路 | 第41-42页 |
| ·叶片温度数据分割 | 第42-46页 |
| ·叶片温度极大值点分割 | 第42-44页 |
| ·单个叶片温度分割 | 第44-45页 |
| ·不同工况下的温度分布 | 第45-46页 |
| ·模拟故障类数据 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 涡轮叶片故障诊断方法 | 第52-62页 |
| ·基于 LVQ 神经网络故障诊断方法 | 第52-56页 |
| ·LVQ 神经网络算法 | 第53-54页 |
| ·LVQ 算法实现 | 第54-56页 |
| ·LVQ 神经网络的特点 | 第56页 |
| ·基于 SOM 神经网络故障诊断方法 | 第56-61页 |
| ·SOM 神经网络模型的学习过程 | 第57页 |
| ·SOM 神经网络的数学模型 | 第57-58页 |
| ·SOM 神经网络学习算法 | 第58-59页 |
| ·SOM 故障诊断算法实现 | 第59-61页 |
| ·SOM 神经网络特点 | 第61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-70页 |
| 致谢 | 第70-72页 |
| 附录 | 第72-77页 |
