水轮发电机组轴系故障趋势预测与评估
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 1 绪论 | 第9-13页 |
| ·引言 | 第9页 |
| ·国内外相关研究进展 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文研究的主要内容 | 第12-13页 |
| 2 水轮发电机轴系结构及故障分析 | 第13-17页 |
| ·水轮发电机轴系结构 | 第13-15页 |
| ·水轮发电机简述 | 第13-14页 |
| ·主轴 | 第14页 |
| ·导轴承 | 第14-15页 |
| ·机架 | 第15页 |
| ·水轮发电机典型故障分析 | 第15-17页 |
| ·典型故障 | 第15页 |
| ·故障原因 | 第15-17页 |
| 3 基于自回归模型的故障趋势预测 | 第17-28页 |
| ·自回归分析法简介 | 第17-18页 |
| ·自回归（AR（p））模型 | 第18-20页 |
| ·自回归模型简介 | 第18-19页 |
| ·AIC 准则 | 第19-20页 |
| ·模型的建立及其应用 | 第20-27页 |
| ·上导瓦温趋势预测 | 第20-23页 |
| ·下导瓦温趋势预测 | 第23-25页 |
| ·上机架振动趋势预测 | 第25-27页 |
| ·模型评价 | 第27-28页 |
| 4 基于人工神经网络模型的故障趋势预测 | 第28-47页 |
| ·神经网络模型 | 第28-29页 |
| ·前馈型神经网络 | 第29-35页 |
| ·BP 神经网络 | 第29-30页 |
| ·反向传播方法 | 第30-32页 |
| ·计算最后一层的权值变化 | 第32页 |
| ·计算中间层的权值变化 | 第32-33页 |
| ·LM 算法对 BP 网络的改进 | 第33-35页 |
| ·模型的建立及其应用 | 第35-43页 |
| ·BP 神经网络模型建立 | 第35-37页 |
| ·上导瓦温趋势预测 | 第37-39页 |
| ·下导瓦温趋势预测 | 第39-41页 |
| ·上机架振动趋势预测 | 第41-43页 |
| ·模型评价 | 第43-44页 |
| ·两种模型的误差度分析 | 第44-47页 |
| 5 机组轴系状态评估 | 第47-55页 |
| ·多目标决策分析 | 第47-52页 |
| ·层次分析法 | 第47-49页 |
| ·和积法求矩阵的最大特征根和相对应的特征向量 | 第49-50页 |
| ·层次分析法的一致性检验 | 第50页 |
| ·模糊层次分析法 | 第50-52页 |
| ·基于信息熵的决策分析 | 第52-53页 |
| ·信息熵 | 第52页 |
| ·机组运行综合劣化度指标 | 第52-53页 |
| ·模型应用 | 第53-54页 |
| ·模型评价 | 第54-55页 |
| 6 结论 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 1 攻读学位期间参与的科研项目 | 第62页 |
