基于Sigma点卡尔曼滤波技术的燃气轮机气路故障诊断研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 燃气轮机健康管理系统 | 第12-15页 |
| 1.2 燃气轮机故障诊断 | 第15-20页 |
| 1.2.1 气路故障诊断原理 | 第15-16页 |
| 1.2.2 气路故障诊断方法 | 第16-18页 |
| 1.2.3 卡尔曼滤波器 | 第18-20页 |
| 1.3 本文主要工作 | 第20-21页 |
| 第二章 基于卡尔曼滤波的故障诊断技术 | 第21-31页 |
| 2.1 燃气轮机模型 | 第22-24页 |
| 2.1.1 部件级模型 (CLM) | 第22-23页 |
| 2.1.2 状态空间模型 (SSM) | 第23-24页 |
| 2.2 健康参数 | 第24-25页 |
| 2.3 非线性状态估计 | 第25-27页 |
| 2.4 非线性高斯系统最优滤波 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 燃气轮机自适性模型的建立 | 第31-44页 |
| 3.1 燃气轮机部件级模型 | 第31-38页 |
| 3.1.1 建模原理和模块划分 | 第31-32页 |
| 3.1.2 压气机模块 | 第32-33页 |
| 3.1.3 燃烧室模块 | 第33-35页 |
| 3.1.4 涡轮模块 | 第35-36页 |
| 3.1.5 转子模块 | 第36页 |
| 3.1.6 控制系统模块 | 第36-38页 |
| 3.1.7 其他辅助模块 | 第38页 |
| 3.2 模型在Simulink上的实现 | 第38-43页 |
| 3.2.1 模型验证 | 第39页 |
| 3.2.2 动态仿真 | 第39-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 Sigma点滤波器的建立 | 第44-59页 |
| 4.1 燃气轮机的概率统计模型 | 第44-46页 |
| 4.1.1 系统的不确定性 | 第44页 |
| 4.1.2 测量的不确定性 | 第44-46页 |
| 4.1.3 燃气轮机概率统计模型 | 第46页 |
| 4.1.4 健康参数的改进模型 | 第46页 |
| 4.2 SPKF原理 | 第46-50页 |
| 4.2.1 UT变换 | 第47-48页 |
| 4.2.2 采样算法 | 第48-50页 |
| 4.3 燃机故障诊断的SPKF算法 | 第50-54页 |
| 4.4 滤波发散问题 | 第54-55页 |
| 4.5 带噪声估计器的自适应SPKF | 第55-56页 |
| 4.6 诊断系统在Simulink上的实现 | 第56-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第五章 基于SPKF的气路故障诊断 | 第59-79页 |
| 5.1 气路故障分析 | 第59-60页 |
| 5.2 稳态诊断 | 第60-72页 |
| 5.2.1 渐变故障诊断 | 第61-68页 |
| 5.2.2 突变故障诊断 | 第68-72页 |
| 5.3 非稳态故障诊断 | 第72-77页 |
| 5.3.1 过渡工况设定 | 第72-73页 |
| 5.3.2 渐变故障诊断 | 第73-75页 |
| 5.3.3 突变故障诊断 | 第75-77页 |
| 5.4 本章小结 | 第77-79页 |
| 第六章 总结 | 第79-82页 |
| 6.1 结论 | 第79-80页 |
| 6.2 展望 | 第80-82页 |
| 参考文献 | 第82-90页 |
| 致谢 | 第90-91页 |
| 攻读学位期间的学术成果 | 第91-93页 |
