水电机组自动诊断预警系统研究
摘要 | 第3-4页 |
Abstract | 第4-5页 |
第1章 绪论 | 第9-14页 |
1.1 论文研究的背景 | 第9-10页 |
1.2 研究的目的与意义 | 第10页 |
1.3 国内外研究现状与应用 | 第10-12页 |
1.4 论文的研究内容 | 第12-13页 |
1.5 论文的结构安排 | 第13页 |
1.6 论文的创新点 | 第13-14页 |
第2章 典型故障分析及预警系统设计 | 第14-20页 |
2.1 引言 | 第14页 |
2.2 水电机组典型故障分析 | 第14-16页 |
2.2.1 轴瓦温度异常升高因素 | 第14页 |
2.2.2 振动故障及其对应的报警状态 | 第14-16页 |
2.3 预警系统设计 | 第16-19页 |
2.3.1 预警系统开发指导思想与设计目标 | 第16-17页 |
2.3.2 C/S模式架构 | 第17-18页 |
2.3.3 系统功能结构设计 | 第18页 |
2.3.4 预警系统数据流图 | 第18-19页 |
2.3.5 开发工具及采用的关键算法 | 第19页 |
2.4 本章小节 | 第19-20页 |
第3章 数据接口及事件数据库设计 | 第20-43页 |
3.1 引言 | 第20页 |
3.2 数据来源及选取数据库 | 第20-21页 |
3.2.1 PI数据库中数据来源 | 第20-21页 |
3.2.2 后台数据库的选取 | 第21页 |
3.3 数据存储准则及数据接口设计 | 第21-27页 |
3.3.1 数据存储准则 | 第21-22页 |
3.3.2 数据接口设计 | 第22-23页 |
3.3.3 异常数据问题分析 | 第23-24页 |
3.3.4 含数据预处理的接口设计 | 第24-27页 |
3.4 事件数据库设计 | 第27-41页 |
3.4.1 事件数据库的概念设计 | 第28-32页 |
3.4.2 事件数据库的逻辑设计 | 第32-37页 |
3.4.3 事件数据库的物理设计 | 第37-38页 |
3.4.4 事件数据库表分区设计 | 第38-41页 |
3.4.5 创建存储过程 | 第41页 |
3.5 事件数据库备份 | 第41-42页 |
3.6 本章小节 | 第42-43页 |
第4章 预测算法选取 | 第43-60页 |
4.1 引言 | 第43页 |
4.2 ARMA模型预测 | 第43-51页 |
4.2.1 ARM模型的基本形式 | 第43-44页 |
4.2.2 ARMA模型相关性分析及识别 | 第44-45页 |
4.2.3 ARMA模型预测步骤 | 第45-46页 |
4.2.4 ARMA模型建立及其应用 | 第46-51页 |
4.3 灰色模型预测 | 第51-55页 |
4.3.1 灰色预测模型基本概念 | 第51页 |
4.3.2 GM(1,1)模型 | 第51-52页 |
4.3.3 GM(1,1)模型建立的条件 | 第52-53页 |
4.3.4 GM(1,1)模型建立及其应用 | 第53-55页 |
4.4 BP神经网络法预测 | 第55-59页 |
4.4.1 BP神经网络法原理 | 第55-57页 |
4.4.2 BP神经网络预测方式 | 第57页 |
4.4.3 BP神经网络的matlab函数 | 第57-58页 |
4.4.4 BP神经网络预测模型建立及其应用 | 第58-59页 |
4.5 本章小结 | 第59-60页 |
第5章 预警系统实现及检验 | 第60-70页 |
5.1 引言 | 第60页 |
5.2 GM(1,1)预警算法设计 | 第60-62页 |
5.2.1 GM(1,1)模型群 | 第60-61页 |
5.2.2 预警算法逻辑设计 | 第61-62页 |
5.3 预警软件实现 | 第62-69页 |
5.3.1 软件功能模块主界面 | 第62-63页 |
5.3.2 局域网内预警系统 | 第63页 |
5.3.3 模拟量阈值的设置 | 第63-65页 |
5.3.5 模拟量趋势预测 | 第65-66页 |
5.3.4 模拟量预警模块检验 | 第66-68页 |
5.3.6 预警系统联动故障诊断系统过程 | 第68-69页 |
5.4 本章小节 | 第69-70页 |
第6章 结论与展望 | 第70-72页 |
6.1 结论 | 第70-71页 |
6.2 展望 | 第71-72页 |
致谢 | 第72-73页 |
参考文献 | 第73-76页 |
附录A | 第76-80页 |
攻读硕士学位期间发表的论文及科研成果 | 第80页 |