组合模型在汽轮机转子振动状态预测中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·选题背景及其意义 | 第11-12页 |
| ·国内外研究动态 | 第12-13页 |
| ·课题研究内容 | 第13-14页 |
| ·本文的主要内容与结构 | 第14-16页 |
| 第2章 旋转机械故障机理 | 第16-24页 |
| ·概述 | 第16页 |
| ·旋转机械故障机理 | 第16-20页 |
| ·转子不平衡 | 第17-18页 |
| ·转子动静碰磨 | 第18-19页 |
| ·转子不对中 | 第19页 |
| ·自激振动 | 第19-20页 |
| ·部件松动 | 第20页 |
| ·旋转机械故障诊断理论和技术 | 第20-23页 |
| ·设备诊断技术的内容 | 第20-21页 |
| ·故障征兆的提取与诊断推理方法 | 第21-23页 |
| ·本章小节 | 第23-24页 |
| 第3章 汽轮机转子振动状态预测的理论基础 | 第24-47页 |
| ·时间序列 | 第24-27页 |
| ·时间序列分类 | 第24-25页 |
| ·时间序列的特征统计量 | 第25-26页 |
| ·平稳时间序列的定义 | 第26-27页 |
| ·ARIMA模型 | 第27-35页 |
| ·AR(p)模型 | 第27-30页 |
| ·MA(q)模型 | 第30-32页 |
| ·ARMA(p,q)模型 | 第32-34页 |
| ·ARIMA(p,d,q)模型 | 第34-35页 |
| ·神经网络模型 | 第35-46页 |
| ·人工神经网络基本概述 | 第35页 |
| ·人工神经元模型 | 第35-37页 |
| ·人工神经元数学模型 | 第37-38页 |
| ·人工神经元激励函数 | 第38-40页 |
| ·人工神经网络模型 | 第40-41页 |
| ·人工神经网络的训练 | 第41-42页 |
| ·BP神经网络 | 第42-45页 |
| ·BP网络的改进 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于组合模型的汽轮机转子振动状态预测 | 第47-71页 |
| ·汽轮机转子实验台 | 第47-48页 |
| ·振动数据采集 | 第48-51页 |
| ·正常状态下振动数据 | 第48-49页 |
| ·质量偏移状态下振动数据 | 第49-50页 |
| ·碰摩状态下振动数据 | 第50-51页 |
| ·轴承基松动状态下振动数据 | 第51页 |
| ·建立组合预测模型 | 第51-53页 |
| ·组合模型 | 第51-52页 |
| ·在线预测模型 | 第52-53页 |
| ·转子振动状态预测 | 第53-70页 |
| ·不同状态下转子振动峰峰值 | 第54-57页 |
| ·转子振动峰峰值预测 | 第57-66页 |
| ·各种预测方法的误差计算 | 第66-67页 |
| ·模型训练与在线预测耗时对比 | 第67-68页 |
| ·在线预测程序 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 结论与展望 | 第71-73页 |
| ·研究内容与成果 | 第71-72页 |
| ·建议与展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表旳论文 | 第77-78页 |
| 致谢 | 第78页 |
