基于粗糙集的水轮发电机组振动故障诊断系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 综述 | 第8-15页 |
| ·目的意义 | 第8-9页 |
| ·国内外相关技术的发展现状 | 第9-14页 |
| ·机械设备及水电机组诊断发展现状 | 第9-11页 |
| ·故障诊断方法的研究现状 | 第11-14页 |
| ·本文的主要内容 | 第14-15页 |
| 2 水轮发电机组振动理论研究 | 第15-22页 |
| ·引言 | 第15页 |
| ·水电机组的振动故障特点及振因分析 | 第15-18页 |
| ·水电机组振动故障的主要特点 | 第15-16页 |
| ·水电机组振因分析 | 第16-18页 |
| ·水电机组的振动故障特征分析 | 第18页 |
| ·水电机组的振动故障的识别方法 | 第18-21页 |
| ·由振动试验识别振动原因 | 第18-20页 |
| ·由振动频率识别振动原因 | 第20页 |
| ·由振动部位识别振动原因 | 第20-21页 |
| ·小结 | 第21-22页 |
| 3 粗糙集理论及方法 | 第22-34页 |
| ·引言 | 第22页 |
| ·知识的含义 | 第22-25页 |
| ·等价关系 | 第22-23页 |
| ·知识与不可分辨关系 | 第23-25页 |
| ·粗糙集合的基本概念 | 第25-27页 |
| ·粗糙集合的下逼近和上逼近 | 第25-26页 |
| ·非精确性的数字特征和拓补特征 | 第26-27页 |
| ·信息系统及其简化 | 第27-29页 |
| ·信息系统的表示 | 第27页 |
| ·属性约简和核 | 第27-28页 |
| ·属性值的简化和值核 | 第28-29页 |
| ·属性约简算法 | 第29-33页 |
| ·差别矩阵和差别函数 | 第29-30页 |
| ·基于差别矩阵改进算法的故障属性约简 | 第30-33页 |
| ·小结 | 第33-34页 |
| 4 基于粗糙集的水电机组智能诊断系统研究 | 第34-47页 |
| ·引言 | 第34页 |
| ·神经网络故障诊断专家系统 | 第34-38页 |
| ·神经网络故障诊断系统的提出 | 第34-35页 |
| ·专家知识库的建立 | 第35-36页 |
| ·BP神经网络原理及学习算法 | 第36-38页 |
| ·神经网络知识表示方法 | 第38页 |
| ·基于粗糙集的神经网络诊断专家系统 | 第38-40页 |
| ·水轮发电机组故障诊断系统的建立 | 第40-46页 |
| ·神经网络学习样本 | 第40页 |
| ·连续属性的离散化 | 第40-41页 |
| ·决策表的约简 | 第41-44页 |
| ·测试结果 | 第44-46页 |
| ·结论 | 第46-47页 |
| 5 系统的总体设计 | 第47-55页 |
| ·系统设计的基本原则 | 第47页 |
| ·系统的测点布置 | 第47-49页 |
| ·传感器选型 | 第49-52页 |
| ·传感器选型原则 | 第49页 |
| ·主要传感器的选型 | 第49-52页 |
| ·系统硬件及网络结构 | 第52-54页 |
| ·系统软件设计 | 第54页 |
| ·本章小结 | 第54-55页 |
| 6 实例分析—索风营水电厂1#机组 | 第55-63页 |
| ·工程概况 | 第55-57页 |
| ·实时监测画面 | 第57-59页 |
| ·数据分析 | 第59-62页 |
| ·小结 | 第62-63页 |
| 7 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望与后续工作 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 在校期间发表的论文和工程实践 | 第69页 |
| 已发表论文: | 第69页 |
| 科研实践: | 第69页 |
| 诊断系统安装调试 | 第69页 |
| 障诊断系统安装调试 | 第69页 |
