中文摘要 | 第4-5页 |
英文摘要 | 第5页 |
1 绪论 | 第10-17页 |
1.1 引言 | 第10页 |
1.2 汽轮机诊断方法分类与概述 | 第10-13页 |
1.2.1 基于数学模型的故障诊断方法 | 第11-12页 |
1.2.2 基于信号处理的方法 | 第12页 |
1.2.3 基于知识的方法 | 第12-13页 |
1.3 国内外汽轮机故障诊断发展现状 | 第13-17页 |
1.3.1 国外汽轮机故障诊断的发展 | 第13-15页 |
1.3.2 国内汽轮机故障诊断 | 第15-17页 |
2 采集数据的信号处理 | 第17-32页 |
2.1 一般信号的定义和分类 | 第17页 |
2.1.1 信号的定义 | 第17页 |
2.1.2 信号的分类 | 第17页 |
2.2 数据的非线性补偿技术 | 第17-21页 |
2.2.1 开环式非线性补偿法 | 第18页 |
2.2.2 线性插值法实现线性化 | 第18-19页 |
2.2.3 二次抛物线插值法 | 第19-20页 |
2.2.4 网格平面补偿法 | 第20-21页 |
2.3 标度变换技术 | 第21-23页 |
2.3.1 标度变换原理 | 第21-22页 |
2.3.2 线性信号的标度变换 | 第22页 |
2.3.3 非线性信号的标度变换 | 第22-23页 |
2.4 信号的预处理 | 第23-25页 |
2.4.1 算术平均滤波法 | 第23-24页 |
2.4.2 递推平均滤波法 | 第24页 |
2.4.3 加权平均值法 | 第24页 |
2.4.4 中位值法 | 第24页 |
2.4.5 一阶惯性滤波法 | 第24-25页 |
2.4.6 复合滤波法 | 第25页 |
2.5 信号处理中的谱分析技术 | 第25-30页 |
2.5.1 信号处理中3种常见的数学变换 | 第25页 |
2.5.2 基于FFT的谱分析技术 | 第25-30页 |
2.6 人工神经网络信号处理方法 | 第30-32页 |
3 神经网络技术及其在汽机故障诊断中的应用 | 第32-49页 |
3.1 引言 | 第32-33页 |
3.2 神经元模型 | 第33-35页 |
3.2.1 阈值性函数 | 第34页 |
3.2.2 限幅线性函数 | 第34页 |
3.2.3 Sigmoid型函数 | 第34页 |
3.2.4 高斯型函数 | 第34-35页 |
3.2.5 概率模型 | 第35页 |
3.3 神经网络的学习规则 | 第35-37页 |
3.3.1 Hebb学习规则 | 第36页 |
3.3.2 Delta规则 | 第36-37页 |
3.4 反向传播学习算法 | 第37-43页 |
3.4.1 反向传播算法的基本计算原理和过程 | 第37-40页 |
3.4.2 反向传播算法中存在的一些问题及改进措施 | 第40-42页 |
3.4.3 多输出情况下反向传播算法的计算原理和过程 | 第42页 |
3.4.4 基于层次分类诊断模型的多重结构神经网络 | 第42-43页 |
3.5 汽轮机神经网络诊断方法 | 第43-49页 |
4 基于专家系统的诊断方法 | 第49-59页 |
4.1 引言 | 第49-50页 |
4.2 专家系统的基本结构及功能 | 第50-51页 |
4.3 专家系统的知识表示与获取 | 第51-53页 |
4.3.1 知识的表示 | 第51-52页 |
4.3.2 知识的获取 | 第52-53页 |
4.4 推理机 | 第53-55页 |
4.4.1 推理策略 | 第53页 |
4.4.2 推理控制策略 | 第53-55页 |
4.5 专家系统的设计步骤与开发原则 | 第55-57页 |
4.6 基于专家系统汽轮机诊断 | 第57-59页 |
5 汽轮机振动监测与故障智能诊断系统 | 第59-71页 |
5.1 汽轮机对象简介 | 第59-60页 |
5.2 系统功能框架介绍、故障类型及故障判别依据 | 第60-61页 |
5.2.1 系统功能、系统框架 | 第60-61页 |
5.3 硬件电路设计 | 第61-66页 |
5.3.1 芯片选择及其电路 | 第61-65页 |
5.3.2 抗干扰设计 | 第65-66页 |
5.4 系统软件设计 | 第66-71页 |
5.4.1 下位机软件设计 | 第66-69页 |
5.4.2 上位机软件设计 | 第69-71页 |
致谢 | 第71-72页 |
参考文献 | 第72-74页 |
附录 | 第74页 |