基于虚拟仪器的电厂辅机状态监测与故障诊断的研究
| 郑重声明 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 1 概述 | 第9-14页 |
| ·课题的研究背景与意义 | 第9-10页 |
| ·虚拟仪器技术及LabVIEW | 第10-13页 |
| ·本文的主要工作 | 第13-14页 |
| 2 系统总体设计 | 第14-28页 |
| ·主要监测参数 | 第14-16页 |
| ·系统总体结构 | 第16-17页 |
| ·数据采集 | 第17-20页 |
| ·基于虚拟仪器的数据采集系统 | 第18-19页 |
| ·数据采集卡的设置与测试 | 第19-20页 |
| ·数据采集在 LabVIEW中的实现 | 第20页 |
| ·基于虚拟仪器的网络通信 | 第20-22页 |
| ·基于虚拟仪器的数据管理系统 | 第22-24页 |
| ·利用文件系统管理振动数据 | 第23页 |
| ·利用数据库系统管理过程参数数据 | 第23-24页 |
| ·设备故障诊断技术 | 第24-28页 |
| ·设备故障及其特征征兆 | 第24-26页 |
| ·故障诊断方法的概述 | 第26-28页 |
| 3 信号分析与处理 | 第28-41页 |
| ·信号的幅域分析 | 第28-29页 |
| ·有量纲指标 | 第28-29页 |
| ·无量纲指标 | 第29页 |
| ·信号的时域分析 | 第29-30页 |
| ·信号的频域分析 | 第30-34页 |
| ·常用信号分析在 LabVIEW中的实现 | 第34-35页 |
| ·振动信号的现代分析技术 | 第35-41页 |
| ·复调制细化分析(ZOOM FFT) | 第35-38页 |
| ·倒频谱分析 | 第38页 |
| ·全息谱分析 | 第38-41页 |
| 4 神经网络技术在风机故障诊断中的应用 | 第41-51页 |
| ·人工神经网络概述 | 第41-43页 |
| ·人工神经元模型 | 第41-42页 |
| ·人工神经网络模型 | 第42-43页 |
| ·自组织特征映射(SOM)神经网络 | 第43-49页 |
| ·自组织特征映射神经网络结构模型 | 第43-44页 |
| ·自组织特征映射神经网络学习算法 | 第44-46页 |
| ·MATLAB神经网络工具箱 | 第46页 |
| ·SOM神经网络在风机故障诊断中的应用 | 第46-48页 |
| ·故障诊断实例 | 第48-49页 |
| ·MATLAB程序在 LabVIEW中的实现 | 第49-51页 |
| 5 状态监测及故障诊断的系统设计 | 第51-59页 |
| ·系统开发环境 | 第51-52页 |
| ·LabVIEW简介 | 第51页 |
| ·MATLAB简介 | 第51-52页 |
| ·系统软件功能模块设计 | 第52-59页 |
| 6 总结和展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录一 (攻读学位期间发表论文目录) | 第64页 |
