致谢 | 第1-6页 |
中文摘要 | 第6-7页 |
ABSTRACT | 第7-11页 |
1 引言 | 第11-12页 |
2 绪论 | 第12-20页 |
·课题的来源、背景及意义 | 第12-16页 |
·课题来源 | 第12页 |
·课题背景 | 第12-13页 |
·课题的意义 | 第13-16页 |
·国内外状态检修的研究动态 | 第16-18页 |
·国外发展状况 | 第16-18页 |
·国内发展状况 | 第18页 |
·本论文研究的目的及主要工作内容 | 第18-20页 |
·研究目的 | 第18-19页 |
·主要工作内容 | 第19-20页 |
3 基于神经网络的送风机状态检修系统总体方案设计 | 第20-29页 |
·送风机简介 | 第21-22页 |
·送风机结构 | 第21-22页 |
·轴流式送风机的工作原理 | 第22页 |
·送风机的设备规范 | 第22页 |
·送风机状态检修系统的可行性分析 | 第22-25页 |
·根据设备故障前的征兆判断故障状态 | 第22-24页 |
·状态监测与信号处理技术提供特征参数 | 第24页 |
·故障诊断技术的发展提供科学依据 | 第24-25页 |
·各种开发软件为系统平台的开发提供条件 | 第25页 |
·状态检修系统的总体设计及研究方法 | 第25-29页 |
·系统总体结构图 | 第25-26页 |
·研究内容及研究方法 | 第26-29页 |
4 基于PI数据库的状态检修实时数据采集网络 | 第29-47页 |
·实时数据库PI简介 | 第29-34页 |
·与关系数据库区别 | 第29-30页 |
·PI数据库在电厂中得到应用 | 第30-31页 |
·PI数据库的特点 | 第31-34页 |
·PI数据库工具介绍 | 第34-38页 |
·服务器端模块 | 第34-35页 |
·客户端模块 | 第35-38页 |
·PI实时数据库在宁夏石嘴山电厂中的应用 | 第38-47页 |
·石嘴山电厂PI的网络结构 | 第39页 |
·现场数据采集的实现 | 第39-44页 |
·PI数据库的数据通讯接口技术 | 第44-46页 |
·PI数据库系统的实施步骤 | 第46-47页 |
5 基于人工神经网络的送风机状态检修预测和诊断模型建立 | 第47-74页 |
·神经网络概述 | 第47-60页 |
·人工神经网络的结构 | 第47-49页 |
·人工神经网络的学习规则 | 第49-50页 |
·人工神经网络的特点 | 第50-51页 |
·神经网络的训练 | 第51-54页 |
·BP神经网络的结构及算法 | 第54-57页 |
·BP神经网络的缺陷及改进算法 | 第57-60页 |
·基于神经网络的预测模型的建立 | 第60-63页 |
·预测的概念和基本步骤 | 第60页 |
·送风机神经网络预测模型的建立 | 第60-63页 |
·基于神经网络的诊断模型的建立 | 第63-69页 |
·故障诊断的基本概念 | 第63-64页 |
·故障诊断的分类 | 第64-65页 |
·故障诊断的基本步骤 | 第65-66页 |
·故障诊断的几种方法 | 第66-67页 |
·送风机神经网络诊断模型的建立 | 第67-69页 |
·石嘴山电厂送风机故障诊断网络的建立 | 第69-74页 |
·送风机常见故障及产生原因 | 第69-70页 |
·送风机的故障诊断 | 第70-74页 |
6 宁夏石嘴山电厂送风机状态检修系统的实现 | 第74-94页 |
·概述 | 第74-75页 |
·送风机的数据采集 | 第75-78页 |
·系统主数据流 | 第75-76页 |
·实时数据的提取 | 第76-78页 |
·在线状态监测 | 第78-82页 |
·状态监测数据流 | 第78页 |
·状态监测的功能模块 | 第78-82页 |
·送风机数据预处理及特征抽取 | 第82页 |
·送风机的状态预测及态势分析 | 第82-88页 |
·送风机的状态预测 | 第82-87页 |
·送风机的态势分析 | 第87-88页 |
·送风机的故障预诊断和故障诊断 | 第88-90页 |
·送风机的故障预诊断 | 第88-89页 |
·送风机的故障诊断 | 第89-90页 |
·送风机维修决策 | 第90-94页 |
7 结论 | 第94-96页 |
参考文献 | 第96-98页 |
作者简历 | 第98-100页 |
学位论文数据集 | 第100页 |