基于知识的汽轮发电机组智能故障诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·选题背景及其意义 | 第10-11页 |
| ·国内外故障诊断技术的研究现状 | 第11-15页 |
| ·论文工作的研究意义和研究内容 | 第15-18页 |
| 第2章 汽轮发电机组高中压缸轴弯曲故障分析 | 第18-30页 |
| ·汽轮发电机组高中压缸轴弯曲故障及机理分析 | 第18-22页 |
| ·汽轮发电机组高中压缸轴弯曲FMEA分析 | 第22-25页 |
| ·FMEA分析方法 | 第22-23页 |
| ·高中压缸轴弯曲FMEA表的建立 | 第23-25页 |
| ·汽轮发电机组高中压缸轴弯曲故障树分析 | 第25-29页 |
| ·故障树分析方法 | 第25页 |
| ·高中压缸轴弯曲故障树的建立 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 汽轮发电机组高中压缸轴弯曲故障诊断信息 | 第30-43页 |
| ·高中压缸轴弯曲故障诊断参量描述 | 第30-32页 |
| ·诊断参量的定义 | 第30-31页 |
| ·诊断参量表示方法及分类 | 第31-32页 |
| ·高中压缸轴弯曲故障特征提取 | 第32-35页 |
| ·故障征兆的提取方法 | 第32-34页 |
| ·故障征兆的量化处理 | 第34-35页 |
| ·高中压缸轴弯曲故障模型 | 第35-39页 |
| ·动静碰摩故障模型 | 第35-36页 |
| ·转子质量不平衡故障模型 | 第36-37页 |
| ·转子热弯曲故障模型 | 第37-39页 |
| ·高中压缸轴弯曲故障知识库 | 第39-42页 |
| ·知识表示方法和要求 | 第39-40页 |
| ·知识的获取 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 汽轮发电机组的智能故障诊断方法 | 第43-59页 |
| ·智能故障诊断方法的总体思路 | 第43-45页 |
| ·基于支持向量机的故障模式分类及其识别 | 第45-53页 |
| ·支持向量机分类理论基础 | 第45-50页 |
| ·应用支持向量机识别故障类 | 第50-53页 |
| ·基于知识推理和信息融合的故障模式识别 | 第53-58页 |
| ·基于证据理论的信息融合方法 | 第53-54页 |
| ·故障模式识别的推理控制策略 | 第54-55页 |
| ·基于故障树分析方法的故障原因查找 | 第55-57页 |
| ·故障位置查找 | 第57页 |
| ·故障影响和处理措施查找 | 第57-58页 |
| ·故障诊断报告 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第5章 诊断方法的应用及系统模块设计 | 第59-69页 |
| ·智能故障诊断方法的应用 | 第59-65页 |
| ·故障诊断任务的触发及诊断信息的获取 | 第59-60页 |
| ·故障模式识别 | 第60-64页 |
| ·其他故障信息查找 | 第64-65页 |
| ·系统需求分析 | 第65-66页 |
| ·系统模块设计 | 第66-68页 |
| ·智能故障诊断系统的整体结构 | 第66页 |
| ·诊断系统模块的功能设计 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 结论与展望 | 第69-71页 |
| ·主要研究成果与创新点 | 第69-70页 |
| ·未来工作展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76页 |
