| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-18页 |
| ·选题的背景、目的和意义 | 第8-10页 |
| ·水轮发电机组故障诊断的背景 | 第8页 |
| ·故障诊断研究的意义和目的 | 第8-10页 |
| ·国内外发展现状 | 第10-14页 |
| ·国外相关技术发展现状 | 第10-11页 |
| ·国内相关技术发展现状 | 第11-12页 |
| ·智能系统在水轮机组故障诊断的研究应用与现状 | 第12-14页 |
| ·故障诊断的主要内容及发展趋势 | 第14-16页 |
| ·故障诊断主要研究内容 | 第14-15页 |
| ·发展趋势 | 第15-16页 |
| ·本文主要研究内容 | 第16-18页 |
| 2 数据提取新方法 | 第18-36页 |
| ·经验模态分解 | 第18-22页 |
| ·瞬时频率 | 第18页 |
| ·固有模态函数 | 第18-19页 |
| ·EMD"筛分"特性 | 第19-21页 |
| ·EMD方法的特点 | 第21-22页 |
| ·能量算子 | 第22-24页 |
| ·连续能量算子 | 第22-23页 |
| ·离散能量算子 | 第23-24页 |
| ·基于经验模态分解的能量算子解调法 | 第24-35页 |
| ·能量算子解调原理 | 第24-27页 |
| ·能量算子法和Hilbert变换法的比较 | 第27-29页 |
| ·EMD分解的能量算子解调仿真 | 第29-35页 |
| ·本章小结 | 第35-36页 |
| 3 基于粒子群优化RBF神经网络的水轮机振动故障诊断 | 第36-50页 |
| ·粒子群算法及其原理 | 第36-40页 |
| ·PSO参数分析 | 第38-39页 |
| ·PSO算法的特点 | 第39-40页 |
| ·PSO算法优化RBF神经网络 | 第40-45页 |
| ·RBF神经网络 | 第40-43页 |
| ·PSO优化RBF神经网络 | 第43-45页 |
| ·仿真分析 | 第45-46页 |
| ·PSO故障诊断模型的构建 | 第45页 |
| ·仿真数据收集 | 第45-46页 |
| ·PSO算法优化的RBF神经网络在水轮机故障诊断中的应用 | 第46-48页 |
| ·故障征兆样本的收集 | 第46-47页 |
| ·神经网络诊断结果 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 4 基于能量算子和PSO优化的神经网络在水轮发电机振动故障诊断中的应用 | 第50-60页 |
| ·水轮机组振动理论 | 第50-52页 |
| ·水轮机组振动故障分析 | 第52-58页 |
| ·机组振动信号分析 | 第52-57页 |
| ·基于PSO优化RBF神经网络的故障智能识别 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 5 结论与展望 | 第60-62页 |
| ·结论 | 第60-61页 |
| ·展望 | 第61-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士期间发表的论文 | 第68页 |
