基于LabVIEW的汽轮机振动状态监测与故障诊断系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 选题背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 状态监测技术研究现状 | 第10-11页 |
| 1.2.2 故障诊断技术及系统研究现状 | 第11-13页 |
| 1.3 本文研究的主要内容和结构安排 | 第13-14页 |
| 第2章 基于支持向量机的故障诊断方法研究 | 第14-22页 |
| 2.1 支持向量机理论 | 第14-16页 |
| 2.2 支持向量机多分类模型 | 第16-19页 |
| 2.2.1“一对多”多分类算法 | 第16-17页 |
| 2.2.2“一对一”多分类算法 | 第17-18页 |
| 2.2.3 有向无环图算法 | 第18-19页 |
| 2.2.4 二叉树算法 | 第19页 |
| 2.3 实验对比分析 | 第19-21页 |
| 2.4 本章总结 | 第21-22页 |
| 第3章 基于主成分分析的汽轮机振动状态评价方法 | 第22-28页 |
| 3.1 主成分分析法 | 第22-24页 |
| 3.1.1 指标的标准化 | 第22-23页 |
| 3.1.2 计算样本相关矩阵 | 第23页 |
| 3.1.3 计算相关矩阵R的特征根及单位特征向量 | 第23-24页 |
| 3.1.4 主成分 | 第24页 |
| 3.1.5 构造综合评价函数 | 第24页 |
| 3.2 转子实验台实例分析 | 第24-27页 |
| 3.3 本章总结 | 第27-28页 |
| 第4章 振动状态监测与故障诊断系统设计 | 第28-39页 |
| 4.1 总体功能设计 | 第28页 |
| 4.2 硬件设计 | 第28-34页 |
| 4.2.1 电涡流传感器 | 第29-30页 |
| 4.2.2 前置器 | 第30-31页 |
| 4.2.3 数据采集卡 | 第31-32页 |
| 4.2.4 工控机 | 第32-34页 |
| 4.3 LabVIEW简介 | 第34-35页 |
| 4.4 软件设计 | 第35-38页 |
| 4.4.1 数据采集模块 | 第35-36页 |
| 4.4.2 数据分析与处理模块 | 第36-37页 |
| 4.4.3 故障诊断模块 | 第37-38页 |
| 4.5 本章总结 | 第38-39页 |
| 第5章 实验验证 | 第39-46页 |
| 5.1 转子常见故障分析 | 第39-42页 |
| 5.1.1 转子不平衡 | 第39-40页 |
| 5.1.2 转子不对中 | 第40-41页 |
| 5.1.3 转子油膜涡动 | 第41页 |
| 5.1.4 转子动静碰摩 | 第41-42页 |
| 5.2 诊断模型建立 | 第42页 |
| 5.3 实验分析 | 第42-45页 |
| 5.3.1 实验步骤 | 第42-43页 |
| 5.3.2 结果分析 | 第43-45页 |
| 5.4 本章总结 | 第45-46页 |
| 第6章 结论与展望 | 第46-48页 |
| 6.1 结论 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第51-52页 |
| 致谢 | 第52页 |
