油田高压电机故障诊断方法研究与维护技术应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 课题研究背景 | 第12-13页 |
| 1.2 电机故障诊断的意义 | 第13-16页 |
| 1.2.1 提高设备管理水平 | 第13-14页 |
| 1.2.2 提高设备可靠性与维修性 | 第14-15页 |
| 1.2.3 避免重大事故发生 | 第15页 |
| 1.2.4 可获巨大经济和社会效益 | 第15-16页 |
| 1.3 电机故障诊断技术的发展趋势 | 第16-22页 |
| 1.3.1 异步电动机常见故障 | 第16-18页 |
| 1.3.2 故障诊断技术发展趋势 | 第18-21页 |
| 1.3.3 故障诊断与继电保护的区别 | 第21-22页 |
| 1.4 本文的主要研究内容 | 第22-24页 |
| 第2章 电机电流及振动信号故障特征分析 | 第24-32页 |
| 2.1 概述 | 第24-25页 |
| 2.1.1 电机原理 | 第24-25页 |
| 2.1.2 电机故障特征分析概述 | 第25页 |
| 2.2 轴承故障 | 第25-27页 |
| 2.2.1 轴承故障振动特征解析 | 第25-26页 |
| 2.2.2 轴承故障电流特征解析 | 第26-27页 |
| 2.3 定子故障 | 第27-28页 |
| 2.3.1 定子故障振动特征解析 | 第27页 |
| 2.3.2 定子故障电流特征解析 | 第27-28页 |
| 2.4 转子故障 | 第28-29页 |
| 2.4.1 转子故障电流特征解析 | 第28-29页 |
| 2.4.2 转子故障振动特征解析 | 第29页 |
| 2.5 气隙偏心故障 | 第29-30页 |
| 2.5.1 气隙偏心故障振动特征解析 | 第29-30页 |
| 2.5.2 气隙偏心故障电流特征解析 | 第30页 |
| 2.6 本章小结 | 第30-32页 |
| 第3章 基于深度学习的电机故障诊断技术的应用 | 第32-54页 |
| 3.1 深度学习神经网络诊断技术 | 第32-36页 |
| 3.1.1 深度信念网络 | 第33页 |
| 3.1.2 堆叠自动编码机 | 第33-34页 |
| 3.1.3 递归神经网络 | 第34页 |
| 3.1.4 卷积神经网络 | 第34-35页 |
| 3.1.5 卷积神经网络在故障诊断上的优势 | 第35-36页 |
| 3.2 应用卷积神经网络进行电机故障诊断 | 第36-52页 |
| 3.2.1 卷积神经网络结构 | 第36-40页 |
| 3.2.2 滚动轴承故障诊断流程 | 第40-41页 |
| 3.2.3 实验数据 | 第41-45页 |
| 3.2.4 诊断模型的参数设定与仿真 | 第45-51页 |
| 3.2.5 诊断结果分析 | 第51-52页 |
| 3.3 本章小结 | 第52-54页 |
| 第4章 故障诊断及维护技术在油田高压电机中的应用 | 第54-68页 |
| 4.1 大庆油田高压电机维修实例 | 第54-62页 |
| 4.1.1 高压电机故障初步诊断 | 第54-58页 |
| 4.1.2 高压电机故障解决对策 | 第58-59页 |
| 4.1.3 高压电机解体维修过程 | 第59-62页 |
| 4.2 高压电机日常维护要点 | 第62-65页 |
| 4.2.1 运输、储存、对组 | 第63-64页 |
| 4.2.2 绝缘电阻测试、轴承润滑、大修 | 第64-65页 |
| 4.2.3 转动质量监控 | 第65页 |
| 4.3 本章小结 | 第65-68页 |
| 第5章 总结与展望 | 第68-72页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-72页 |
| 参考文献 | 第72-76页 |
| 作者简历及在学期间所取得的科研成果 | 第76页 |
