基于Matlab的某电厂汽轮机振动故障诊断系统的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·引言 | 第10-11页 |
| ·国内外汽轮机故障诊断的现状和发展趋势 | 第11-15页 |
| ·国外汽轮机故障诊断现状 | 第11-13页 |
| ·国内汽轮机故障诊断现状 | 第13-15页 |
| ·设备故障诊断技术的发展趋势 | 第15页 |
| ·振动信号处理技术及研究现状 | 第15-16页 |
| ·基于人工神经网络的故障诊断技术 | 第16-17页 |
| ·论文的主要内容 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 汽轮机常见故障及其分析方法 | 第19-32页 |
| ·引言 | 第19页 |
| ·某电厂汽轮机组概况 | 第19-21页 |
| ·汽轮机常见故障 | 第21-29页 |
| ·转子质量不平衡 | 第21-23页 |
| ·转子不对中 | 第23-24页 |
| ·动静碰摩 | 第24-28页 |
| ·油膜涡动与油膜振荡 | 第28-29页 |
| ·汽轮机组故障基本分析方法 | 第29-31页 |
| ·时域分析 | 第29-30页 |
| ·频域分析 | 第30页 |
| ·小波分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 汽轮机振动信号的分析与处理 | 第32-52页 |
| ·引言 | 第32页 |
| ·汽轮机振动信号的预处理 | 第32-37页 |
| ·采样数据的平滑处理 | 第33-35页 |
| ·消除多项式趋势项 | 第35-37页 |
| ·基于傅里叶变换的汽轮机振动信号处理 | 第37-42页 |
| ·傅里叶变换频谱分析 | 第38-39页 |
| ·加窗的傅里叶变换 | 第39-41页 |
| ·傅里叶变换在汽轮机组故障诊断中的应用 | 第41-42页 |
| ·基于小波分析的汽轮机振动信号处理 | 第42-50页 |
| ·概述 | 第42-43页 |
| ·小波基本理论 | 第43-45页 |
| ·信号的小波降噪 | 第45-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 振动信号的小波包能量分析法提取特征向量 | 第52-61页 |
| ·引言 | 第52页 |
| ·基于小波分析的故障特征向量提取 | 第52-54页 |
| ·基于小波包频带能量分析法的汽轮机组故障特征提取 | 第54-55页 |
| ·故障特征提取依据 | 第54页 |
| ·频带能量分析法 | 第54-55页 |
| ·汽轮机组振动故障信号特征提取 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于小波神经网络的汽轮机振动故障诊断系统 | 第61-85页 |
| ·引言 | 第61页 |
| ·神经网络基础 | 第61-65页 |
| ·生物神经网络 | 第61-62页 |
| ·人工神经网络基础 | 第62-65页 |
| ·人工神经网络的结构模型 | 第65-66页 |
| ·BP神经网络 | 第66-71页 |
| ·BP神经网络结构 | 第66页 |
| ·BP学习算法 | 第66-69页 |
| ·BP神经网络的设计 | 第69-71页 |
| ·小波神经网络系统 | 第71-75页 |
| ·小波神经网络的结合途径 | 第71页 |
| ·小波分析与神经网络的松散型结合 | 第71-75页 |
| ·汽轮机组振动故障诊断系统的实现 | 第75-81页 |
| ·汽轮机振动故障诊断实践 | 第81-84页 |
| ·本章小结 | 第84-85页 |
| 总结与展望 | 第85-87页 |
| 总结 | 第85-86页 |
| 进一步工作的展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 附录 部分程序代码 | 第91-96页 |
| 攻读硕士学位期间取得的研究成果 | 第96-97页 |
| 致谢 | 第97-98页 |
| 附件 | 第98页 |
