水电站厂房结构振动分析与动态识别
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·课题的工程背景及研究意义 | 第8-9页 |
| ·中国水电能源发展状况及展望 | 第8页 |
| ·水电站机组及厂房振动问题 | 第8-9页 |
| ·国内外的研究现状与研究中存在的问题 | 第9-11页 |
| ·国内外研究概况 | 第9-11页 |
| ·国内外发展趋势 | 第11页 |
| ·水电机组厂房动载荷识别的研究意义 | 第11-12页 |
| ·动载荷识别问题概述 | 第12-15页 |
| ·动载荷识别的概念 | 第12-13页 |
| ·现有的主要动载荷识别方法 | 第13-15页 |
| ·振动问题的测试方法研究现状 | 第15页 |
| ·本文主要研究内容 | 第15-17页 |
| 2 人工神经网络识别方法 | 第17-26页 |
| ·神经网络概述 | 第17-19页 |
| ·神经网络的发展概况 | 第17页 |
| ·神经网络的应用及分类 | 第17-19页 |
| ·BP网络简介 | 第19-20页 |
| ·改进的BP网络 | 第20-22页 |
| ·RBF网络简介 | 第22-25页 |
| ·径向基网络结构 | 第22-24页 |
| ·径向基网络的工作原理 | 第24页 |
| ·径向基网络的创建与学习过程 | 第24-25页 |
| ·小结 | 第25-26页 |
| 3 神经网络用于动载荷的识别 | 第26-44页 |
| ·正问题求解 | 第26-32页 |
| ·模态分析 | 第26页 |
| ·瞬态动力学分析 | 第26-27页 |
| ·问题的求解方法 | 第27-29页 |
| ·数值仿真算例的正响应求解 | 第29-32页 |
| ·使用LM优化算法的BP网络进行仿真算例的识别 | 第32-43页 |
| ·网络结构的确定 | 第32-33页 |
| ·数据样本的预处理 | 第33-34页 |
| ·仿真算例的识别情况 | 第34-43页 |
| ·小结 | 第43-44页 |
| 4 景洪水电站厂房结构振动响应实测与计算分析 | 第44-68页 |
| ·引言 | 第44-45页 |
| ·原型观测试验方案和测试系统 | 第45-51页 |
| ·测点布置 | 第45-47页 |
| ·测试工况 | 第47-48页 |
| ·测试系统介绍 | 第48-49页 |
| ·测点类型及布置概要 | 第49页 |
| ·试验引用标准 | 第49-51页 |
| ·机组厂房振动测试数据分析 | 第51-57页 |
| ·机组支承部件振动测试分析 | 第51-52页 |
| ·厂房结构振动测试结果分析 | 第52-55页 |
| ·压力脉动振动分析 | 第55-57页 |
| ·厂房结构有限元数值计算 | 第57-67页 |
| ·有限元计算模型 | 第57-58页 |
| ·结构自振特性分析 | 第58-59页 |
| ·机组运行中可能的振源及频率特征 | 第59-60页 |
| ·论计算频率共振复核 | 第60-62页 |
| ·机墩结构刚度计算 | 第62-64页 |
| ·机墩振幅计算 | 第64页 |
| ·水力脉动响应计算 | 第64-67页 |
| ·小结 | 第67-68页 |
| 5 基于神经网络算法的水电站厂房结构振动响应预测 | 第68-74页 |
| ·引言 | 第68页 |
| ·厂房结构与机组振动响应相关关系 | 第68-69页 |
| ·厂房结构振动神经网络预测模型 | 第69-73页 |
| ·网络模型的选取 | 第69-70页 |
| ·径向基神经网络 | 第70页 |
| ·样本的选取 | 第70-71页 |
| ·数据样本的预处理 | 第71页 |
| ·网络的创建、训练和测试 | 第71-73页 |
| ·小结 | 第73-74页 |
| 6 结论与展望 | 第74-76页 |
| ·结论 | 第74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间发表学术论文情况 | 第79-80页 |
| 致谢 | 第80-82页 |
