中文摘要 | 第1页 |
ABSTRACT | 第4-7页 |
第一章 引言 | 第7-13页 |
·课题研究的目的和意义 | 第7-8页 |
·电机故障诊断技术研究的主要内容 | 第8-9页 |
·国内外研究现状 | 第9页 |
·定子绕组热故障在线监测方法与应用 | 第9-12页 |
·基于发电机状态运行参量的温度水力模型 | 第9-11页 |
·定子绕组热故障在线监测各种方法的分析与比较 | 第11-12页 |
·本文的工作 | 第12-13页 |
第二章 汽轮发电机定子绕组稳态温度水力模型 | 第13-29页 |
·汽轮发电机的结构 | 第13-15页 |
·汽轮发电机定子线棒测温元件的设置 | 第15-16页 |
·定子常见故障与形成原因 | 第16-17页 |
·建立定子绕组温度水力模型的必要性 | 第17页 |
·汽轮发电机定子绕组稳态温度水力模型 | 第17-19页 |
·指纹系数法模型 | 第17-18页 |
·蒲英的温度水力模型 | 第18-19页 |
·BP 神经网络算法 | 第19-25页 |
·BP 神经网络的结构 | 第19-20页 |
·训练过程 | 第20-22页 |
·BP 神经网络的改进算法 | 第22-23页 |
·Matlab 神经网络工具箱中各种BP 算法函数 | 第23-24页 |
·MATLAB 函数实现 BP 算法流程 | 第24-25页 |
·神经网络识别参数的原理 | 第25页 |
·样本的选取原则 | 第25页 |
·定子绕组温度标准值的确定 | 第25-28页 |
·本章小结 | 第28-29页 |
第三章 发电机定子绕组暂态温度水力模型 | 第29-36页 |
·模型的建立 | 第29-31页 |
·模型的假设条件 | 第29-30页 |
·模型的简化 | 第30-31页 |
·影响过渡时间的因素 | 第31-32页 |
·基于双层RBF 神经网络辩识模型参数的方法 | 第32-34页 |
·RBF 神经网络结构 | 第32-33页 |
·样本的选取以及双重 RBF 网络的训练 | 第33-34页 |
·热故障在线监测方法 | 第34-35页 |
·本章小结 | 第35-36页 |
第四章 基于小波变换的发电机转子绕组匝间短路故障检测 | 第36-58页 |
·傅立叶变换 | 第36-37页 |
·短时傅立叶变换 | 第37页 |
·小波变换 | 第37-46页 |
·连续小波变换 | 第38-39页 |
·离散小波变换 | 第39-40页 |
·多分辨率分析 | 第40-42页 |
·小波包分析 | 第42-43页 |
·小波能量谱 | 第43页 |
·小波熵理论 | 第43-46页 |
·小波分析及其在故障诊断中的应用 | 第46-51页 |
·小波变换用于检测奇异信号 | 第47-48页 |
·小波变换用于滤波和去噪 | 第48-51页 |
·基于小波能量谱的转子匝间短路故障分析 | 第51-56页 |
·定子并联支路环流特性分析 | 第51-52页 |
·实验验证 | 第52-56页 |
·计算结果分析 | 第56页 |
·本章小结 | 第56-58页 |
第五章 结论 | 第58-59页 |
参考文献 | 第59-62页 |
致谢 | 第62-63页 |
附录 | 第63-68页 |
攻读硕士学位期间发表的学术论文及参加科研情况 | 第68页 |