水电站厂房结构及水力机械动力反分析
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-31页 |
| ·课题的工程背景及研究意义 | 第12-15页 |
| ·中国水电能源发展状况 | 第12页 |
| ·水轮机组振动问题 | 第12-14页 |
| ·机组振动反分析问题的提出及其研究意义 | 第14-15页 |
| ·课题的研究发展现状 | 第15-19页 |
| ·机组振动特性研究 | 第15-16页 |
| ·静态反分析问题 | 第16页 |
| ·结构动态反分析 | 第16-18页 |
| ·水力机械载荷识别的试验研究 | 第18-19页 |
| ·动态识别理论和方法概述 | 第19-25页 |
| ·经典方法 | 第19-21页 |
| ·现代智能方法 | 第21-24页 |
| ·小波方法 | 第24-25页 |
| ·结构动载荷识别的主要方法 | 第25-29页 |
| ·传统方法 | 第25-28页 |
| ·智能方法 | 第28-29页 |
| ·本文的主要研究内容 | 第29-31页 |
| 2 机组及厂房动力学分析 | 第31-48页 |
| ·水轮机组的主要振源 | 第31-35页 |
| ·机械缺陷引起的振动 | 第31-32页 |
| ·机组的电磁振动 | 第32页 |
| ·水力振动的振源及频率 | 第32-34页 |
| ·其它振源 | 第34-35页 |
| ·水轮机流道内水压力脉动及其对厂房结构的影响 | 第35-37页 |
| ·水压力脉动特性与传播路径 | 第35-36页 |
| ·厂房结构在高频水压力脉动下的数值计算分析 | 第36-37页 |
| ·厂房结构动力分析方法 | 第37-39页 |
| ·模态分析 | 第37-38页 |
| ·谐响应分析 | 第38页 |
| ·谱分析 | 第38-39页 |
| ·瞬态分析 | 第39页 |
| ·厂房动力计算中应注意的问题 | 第39-47页 |
| ·选择合理的机组动荷载加载方式 | 第39-41页 |
| ·厂房数值模型中的合理边界条件 | 第41-43页 |
| ·发电厂房的动态特性参数 | 第43-46页 |
| ·各种附加质量对厂房结构动力特性的影响 | 第46-47页 |
| ·小结 | 第47-48页 |
| 3 基于自适应伪并行遗传算法的动力学参数识别 | 第48-61页 |
| ·引言 | 第48页 |
| ·自适应伪并行遗传算法 | 第48-52页 |
| ·种群多样性的度量 | 第48-49页 |
| ·自适应交叉算子和变异算子的构造 | 第49-50页 |
| ·伪并行遗传算法的引入 | 第50-51页 |
| ·自适应伪并行遗传算法 | 第51页 |
| ·算法性能分析 | 第51-52页 |
| ·动力学参数识别过程 | 第52-55页 |
| ·试验模型 | 第52页 |
| ·参数取值 | 第52-53页 |
| ·自适应伪并行遗传算法动力学参数识别步骤 | 第53-54页 |
| ·识别结果 | 第54-55页 |
| ·识别结果分析 | 第55页 |
| ·地下发电厂房动态识别 | 第55-60页 |
| ·问题描述 | 第56页 |
| ·最优化遗传动力反分析模型 | 第56-59页 |
| ·结构动态参数的反分析 | 第59-60页 |
| ·结论 | 第60-61页 |
| 4 动载荷的时域识别方法及其应用 | 第61-79页 |
| ·引言 | 第61-62页 |
| ·基于模态分解的时域识别方法 | 第62-68页 |
| ·识别原理 | 第62-63页 |
| ·识别方法的补充和完善 | 第63-64页 |
| ·离散时间间隔的控制 | 第64-65页 |
| ·数值算例 | 第65-68页 |
| ·基于Wilson-θ法的载荷识别 | 第68-77页 |
| ·求解动力反应的Wilson-θ法 | 第68-69页 |
| ·基于Wilson-θ法的反分析方法 | 第69-73页 |
| ·仿真算例 | 第73-77页 |
| ·两种方法的比较 | 第77-78页 |
| ·结论 | 第78-79页 |
| 5 基于递归小波神经网络的水轮发电机组动载荷识别 | 第79-93页 |
| ·引言 | 第79页 |
| ·动态神经网络及其特点 | 第79-82页 |
| ·时延神经网络 | 第80-81页 |
| ·递归神经网络(RNN) | 第81-82页 |
| ·递归小波神经网络(RWNN) | 第82-88页 |
| ·递归小波神经网络结构 | 第82-84页 |
| ·递归小波神经网络的训练算法 | 第84-85页 |
| ·网络性能测试 | 第85-88页 |
| ·基于RWNN的机组载荷识别 | 第88-92页 |
| ·机组动响应特性分析 | 第88-89页 |
| ·机组轴系统建模 | 第89-90页 |
| ·机组动载荷识别 | 第90-92页 |
| ·结论 | 第92-93页 |
| 6 基于改进蚁群算法的水轮机组载荷识别 | 第93-113页 |
| ·引言 | 第93页 |
| ·蚁群算法 | 第93-100页 |
| ·蚁群算法的基本思想 | 第93-94页 |
| ·基于图解的蚁群系统 | 第94-95页 |
| ·蚁群算法的改进 | 第95-98页 |
| ·性能分析 | 第98-100页 |
| ·真机试验 | 第100-106页 |
| ·试验设备与试验布置 | 第100-101页 |
| ·测试信号分析 | 第101-106页 |
| ·厂房整体模型及自振特性分析 | 第106-107页 |
| ·厂房整体模型 | 第106-107页 |
| ·厂房自振特性分析 | 第107页 |
| ·基于改进蚁群算法的机组载荷反演 | 第107-112页 |
| ·仿真试验 | 第107-110页 |
| ·真机载荷识别 | 第110-112页 |
| ·本章小结 | 第112-113页 |
| 7 结论与展望 | 第113-116页 |
| ·本文主要工作总结 | 第113-114页 |
| ·对进一步研究工作的建议与展望 | 第114-116页 |
| 参考文献 | 第116-124页 |
| 攻读博士学位期间发表学术论文情况 | 第124-125页 |
| 攻读博士学位期间参与的研究课题 | 第125-126页 |
| 创新点摘要 | 第126-127页 |
| 致谢 | 第127-128页 |
| 大连理工大学学位论文版权使用授权书 | 第128页 |
