汽轮鼓风机组网络化在线智能诊断技术的研究与应用
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-14页 |
| ·本文的选题背景 | 第10-11页 |
| ·课题的内容和研究意义 | 第11-12页 |
| ·课题研究的基本方案和原则 | 第12-14页 |
| 2 系统方案设计 | 第14-29页 |
| ·汽轮鼓风机组现场概述 | 第14-17页 |
| ·汽轮鼓风机组基本情况介绍 | 第14-15页 |
| ·机组设备现场分布及测点布置 | 第15-17页 |
| ·汽轮鼓风机振动分析 | 第17-21页 |
| ·汽轮鼓风机常见振动故障原因 | 第17-18页 |
| ·转子动力学模型的建立 | 第18-21页 |
| ·系统网络拓扑结构 | 第21-22页 |
| ·系统硬件设计方案 | 第22-26页 |
| ·信号拾取与数据采集子系统 | 第23-25页 |
| ·网络子系统 | 第25页 |
| ·计算机子系统 | 第25页 |
| ·报警子系统 | 第25-26页 |
| ·现场安装及布线 | 第26-29页 |
| 3 FCM－BP 在线智能诊断模型的研究 | 第29-46页 |
| ·模糊集理论 | 第29-32页 |
| ·模糊集合及隶属度函数 | 第29-31页 |
| ·模糊集合的基本运算 | 第31-32页 |
| ·模糊关系及其表示 | 第32页 |
| ·模糊聚类分析 | 第32-35页 |
| ·模糊C－均值聚类算法 | 第33-34页 |
| ·聚类效果评价准则 | 第34-35页 |
| ·BP 神经网络 | 第35-39页 |
| ·神经元数学模型表述 | 第36-37页 |
| ·BP 神经网络数学模型表述 | 第37-38页 |
| ·BP 网络学习训练算法 | 第38-39页 |
| ·FCM－BP 在线智能诊断模型 | 第39-46页 |
| ·FCM－BP 智能诊断模型的建立 | 第39-40页 |
| ·FCM－BP 智能诊断模型算法 | 第40-41页 |
| ·FCM－BP 智能诊断模型的训练 | 第41-43页 |
| ·FCM－BP 智能诊断模型在故障诊断中的应用 | 第43-46页 |
| 4 系统软件实现及应用 | 第46-57页 |
| ·概述 | 第46-47页 |
| ·软件关键技术 | 第47-50页 |
| ·在线实时多任务技术 | 第47-48页 |
| ·多线程技术 | 第48-49页 |
| ·数据库管理技术 | 第49-50页 |
| ·在线监测子系统 | 第50-54页 |
| ·下位机在线监测软件 | 第50-52页 |
| ·上位机在线监测软件 | 第52-54页 |
| ·精密振动分析与诊断子系统 | 第54-57页 |
| 5 系统应用考核 | 第57-59页 |
| ·概述 | 第57页 |
| ·现场诊断案例 | 第57-59页 |
| ·汽轮机断叶故障案例 | 第57-59页 |
| 6 总结 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录:作者在攻读硕士学位期间发表的学术论文 | 第65-67页 |
