| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 课题研究意义 | 第10页 |
| 1.2 课题研究的现状 | 第10-13页 |
| 1.3 存在的问题分析 | 第13页 |
| 1.4 课题研究内容 | 第13-15页 |
| 第2章 汽流激振故障机理和特征分析 | 第15-26页 |
| 2.1 汽流激振故障机理 | 第15-18页 |
| 2.1.1 叶顶间隙激振力 | 第15-17页 |
| 2.1.2 密封流体力 | 第17-18页 |
| 2.1.3 作用在转子上的静态蒸汽力 | 第18页 |
| 2.2 振动信号的提取 | 第18-21页 |
| 2.2.1 振动信号的时域分析 | 第20-21页 |
| 2.2.2 振动信号的频域分析 | 第21页 |
| 2.3 汽流激振的故障模型的建立及特征分析 | 第21-25页 |
| 2.3.1 汽流激振的频率成分 | 第23页 |
| 2.3.2 汽流激振的振幅特征 | 第23页 |
| 2.3.3 与运行参数的关系 | 第23-24页 |
| 2.3.4 其他相关特征 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 汽轮发电机组汽流激振FMEA和FTA分析 | 第26-32页 |
| 3.1 汽流激振的FMEA分析 | 第26-28页 |
| 3.2 汽流激振的FTA分析 | 第28-31页 |
| 3.2.1 不良结构状态 | 第29-30页 |
| 3.2.2 机组运行 | 第30页 |
| 3.2.3 轴瓦稳定性差 | 第30-31页 |
| 3.3 汽流激振主要处理措施 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于汽流激振的故障预警方法研究 | 第32-44页 |
| 4.1 故障预警原理及流程 | 第32-34页 |
| 4.1.1 故障预警原理 | 第32-33页 |
| 4.1.2 汽流激振故障预警流程 | 第33-34页 |
| 4.2 基于时间序列的ARMA预测模型和Volterra预测模型 | 第34-43页 |
| 4.2.1 ARMA模型简介 | 第34-40页 |
| 4.2.2 混沌时间序列与相空间重构理论 | 第40-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 汽轮发电机组振动预测流程及工程实例应用 | 第44-63页 |
| 5.1 预测模型及流程 | 第44-46页 |
| 5.2 ARMA模型预测 | 第46-56页 |
| 5.2.1 振动时间序列的平稳性分析 | 第46-47页 |
| 5.2.2 模型定阶和最佳模型阶次分析 | 第47-51页 |
| 5.2.3 最佳模型与其他模型的对比 | 第51-52页 |
| 5.2.4 阶次对模型预测效果的影响 | 第52-55页 |
| 5.2.5 模型在不同时间段的适应性分析 | 第55-56页 |
| 5.3 Volterra自适应滤波预测方法 | 第56-60页 |
| 5.3.1 Volterra自适应滤波的最佳模型预测 | 第56-59页 |
| 5.3.2 不同重构参数时的预测对比 | 第59-60页 |
| 5.4 ARMA模型与Volterra自适应滤波模型的对比 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 汽流激振诊断系统及应用实例 | 第63-72页 |
| 6.1 基于汽流激振的故障预警及诊断系统 | 第63-67页 |
| 6.2 故障判别应用实例 | 第67-71页 |
| 6.2.1 故障特征的辨识 | 第68-70页 |
| 6.2.2 事故原因的确定以及维修措施选择 | 第70-71页 |
| 6.3 本章小结 | 第71-72页 |
| 第7章 结论与展望 | 第72-74页 |
| 7.1 结论 | 第72-73页 |
| 7.2 后续展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第80-81页 |
| 致谢 | 第81页 |
