| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-18页 |
| 1.1 引言 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 水轮发电机组故障诊断系统概述 | 第11页 |
| 1.4 故障特征提取与故障诊断方法概述 | 第11-15页 |
| 1.4.1 故障特征提取方法概述 | 第11-13页 |
| 1.4.2 故障诊断方法概述 | 第13-15页 |
| 1.5 总结 | 第15-16页 |
| 1.6 本文的主要研究内容 | 第16-18页 |
| 2 水轮发电机组振动故障基本理论 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 水轮发电机组振动理论 | 第18-20页 |
| 2.2.1 水轮发电机组振动故障分类 | 第18-19页 |
| 2.2.2 水轮发电机组振动故障特点 | 第19页 |
| 2.2.3 振动信号 | 第19-20页 |
| 2.3 典型振动故障 | 第20-21页 |
| 2.4 中小型水轮发电机组监测与诊断 | 第21-23页 |
| 2.4.1 振动监测设备 | 第21-22页 |
| 2.4.2 功能设计 | 第22-23页 |
| 2.4.3 监测与诊断总体思路 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于广义S变换的振动故障特征提取方法 | 第24-38页 |
| 3.0 引言 | 第24页 |
| 3.1 S变换原理 | 第24-25页 |
| 3.2 广义S变换原理 | 第25-26页 |
| 3.2.1 广义S变换定义 | 第25页 |
| 3.2.2 广义S变换的离散形式 | 第25-26页 |
| 3.3 基于广义S变换的能量特征提取方法 | 第26-29页 |
| 3.3.1 广义S变换能量谱 | 第26-27页 |
| 3.3.2 基于广义S变换的信号能量特征提取方法 | 第27页 |
| 3.3.3 仿真分析 | 第27-29页 |
| 3.4 改进型广义S变换的SVD冲击特征提取方法 | 第29-35页 |
| 3.4.1 奇异值分解降噪 | 第29-30页 |
| 3.4.2 基于S变换时频谱SVD降噪冲击特征提取基本原理 | 第30页 |
| 3.4.3 改进型广义S变换的SVD冲击特征提取方法 | 第30-31页 |
| 3.4.4 两种方法的仿真比较 | 第31-35页 |
| 3.5 基于广义S变换特征提取方法的实例应用 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 4 基于量子粒子群的支持向量机故障诊断 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 支持向量机理论 | 第38-41页 |
| 4.2.1 支持向量机分类原理 | 第38-40页 |
| 4.2.2 核函数 | 第40-41页 |
| 4.2.3 支持向量机应用 | 第41页 |
| 4.3 量子粒子群算法 | 第41-44页 |
| 4.3.1 量子粒子群算法原理 | 第41-42页 |
| 4.3.2 实验仿真 | 第42-44页 |
| 4.4 基于量子粒子群的支持向量机算法 | 第44-49页 |
| 4.4.1 基于量子粒子群的支持向量机算法原理 | 第44-45页 |
| 4.4.2 实验仿真 | 第45-49页 |
| 4.5 基于量子粒子群的支持向量机算法的振动故障诊断模型 | 第49-50页 |
| 4.6 水轮发电机组振动故障诊断实验 | 第50-52页 |
| 4.7 本章小结 | 第52-54页 |
| 5 水轮发电机组故障诊断系统设计 | 第54-62页 |
| 5.1 引言 | 第54页 |
| 5.2 系统构成 | 第54-55页 |
| 5.3 数据采集装置的硬件设计 | 第55-60页 |
| 5.3.1 传感器的选型 | 第55-56页 |
| 5.3.2 数据采集装置的模块设计 | 第56-59页 |
| 5.3.3 数据采集装置功能设计 | 第59-60页 |
| 5.4 系统的软件框架 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 结论与展望 | 第62-64页 |
| 6.1 全文总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
