摘要 | 第1-5页 |
Abstract | 第5-9页 |
1 引言 | 第9-17页 |
·水电机组故障诊断和振动趋势预测研究的必要性 | 第9页 |
·水电机组振动原因与特征 | 第9-12页 |
·水电机组故障诊断和振动趋势预测的研究现状 | 第12-13页 |
·水电机组故障诊断研究现状 | 第12-13页 |
·水电机组振动趋势预测的研究现状 | 第13页 |
·人工智能方法在水电机组故障诊断和振动趋势预测中的应用 | 第13-16页 |
·论文结构 | 第16-17页 |
2 水电机组信号检测与分析 | 第17-24页 |
·时域分析 | 第17页 |
·频域分析 | 第17-18页 |
·时频域分析 | 第18-23页 |
·小波变换 | 第19-21页 |
·水电机组振动信号的小波包能量算法 | 第21-23页 |
·小结 | 第23-24页 |
3 基于模糊积分的水电机组故障诊断 | 第24-45页 |
·模糊积分融合多分类器原理 | 第24-32页 |
·模糊测度 | 第24-26页 |
·模糊积分 | 第26-27页 |
·基于模糊积分的多分类器融合模型 | 第27-32页 |
·基于 Choquet 积分的水电机组故障诊断模型 | 第32-37页 |
·加权贝叶斯分类器 | 第33-36页 |
·马氏距离分类器 | 第36-37页 |
·BP 神经网络 | 第37页 |
·实例分析 | 第37-43页 |
·小结 | 第43-45页 |
4 基于果蝇优化的 GRNN 水电机组振动趋势预测 | 第45-59页 |
·水电机组振动序列的可预测性 | 第45-50页 |
·时间序列相空间重构 | 第46-47页 |
·嵌入维数与延时参数的选择 | 第47-49页 |
·水电机组振动序列的相空间重构 | 第49-50页 |
·广义回归神经网络 | 第50-52页 |
·基于果蝇优化算法的 GRNN 模型 | 第52-54页 |
·实例分析 | 第54-58页 |
·小结 | 第58-59页 |
5 总结与展望 | 第59-61页 |
·总结 | 第59页 |
·展望 | 第59-61页 |
参考文献 | 第61-68页 |
攻读硕士学位期间发表学术论文情况 | 第68-69页 |
致谢 | 第69-70页 |