基于小波神经网络的汽轮机早期振动故障诊断
| 摘要 | 第1页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| ·故障诊断的发展 | 第7-8页 |
| ·故障诊断的常用方法 | 第8-10页 |
| ·基于知识的方法 | 第8-9页 |
| ·基于信号的处理方法 | 第9-10页 |
| ·本课题研究的目的与意义 | 第10页 |
| ·论文安排与主要内容 | 第10-12页 |
| 第二章 汽轮机故障分类及特征 | 第12-18页 |
| ·故障分类 | 第12-13页 |
| ·常见故障机理及特征 | 第13-18页 |
| ·转子不平衡 | 第13-15页 |
| ·转子动静碰磨 | 第15-16页 |
| ·不对中故障 | 第16-17页 |
| ·轴承座松动 | 第17-18页 |
| 第三章 小波包分析在早期故障诊断中的应用 | 第18-31页 |
| ·小波分析理论基础 | 第18-21页 |
| ·传统傅立叶分析 | 第18页 |
| ·小波分析基本理论 | 第18-21页 |
| ·小波包降噪 | 第21-26页 |
| ·传统 Donoho阈值消噪方法及其应用 | 第22-23页 |
| ·最优小波包基降噪 | 第23-26页 |
| ·奇异点检测 | 第26-28页 |
| ·频带能量提取 | 第28-29页 |
| ·小结 | 第29-31页 |
| 第四章 BP神经网络的智能故障诊断 | 第31-39页 |
| ·神经网络理论 | 第31-32页 |
| ·BP算法及其网络设计 | 第32-36页 |
| ·BP网络学习过程 | 第33页 |
| ·BP网络的学习算法 | 第33页 |
| ·BP网络学习公式 | 第33-34页 |
| ·BP网络的算法 | 第34页 |
| ·BP网络的设计考虑 | 第34-35页 |
| ·输入与输出层的设计 | 第35页 |
| ·隐含层的数目 | 第35页 |
| ·隐含层节点数选择 | 第35-36页 |
| ·初始值的选取 | 第36页 |
| ·网络参数值的选择 | 第36页 |
| ·训练集和测试集的选取与优化 | 第36页 |
| ·L-M算法 | 第36-39页 |
| 第五章 小波神经网络的振动分析 | 第39-49页 |
| ·转子实验系统 | 第39-41页 |
| ·转子实验台布置 | 第39-40页 |
| ·信号处理系统 | 第40页 |
| ·信号采集系统 | 第40页 |
| ·涡流传感器 | 第40-41页 |
| ·实验方案 | 第41-42页 |
| ·小波神经网络分析 | 第42-49页 |
| ·小波神经网络的结合途径 | 第42-45页 |
| ·实验数据的预处理 | 第45页 |
| ·振动故障模式识别 | 第45-46页 |
| ·网络结构的确定 | 第46-48页 |
| ·网络训练样本集的选取 | 第48页 |
| ·网络测试结果 | 第48-49页 |
| 第六章 结论与展望 | 第49-50页 |
| ·结论 | 第49页 |
| ·今后工作展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 在学期间发表的学术论文和参加科研情况 | 第53页 |
