首页--工业技术论文--电工技术论文--电机论文--发电机、大型发电机组(总论)论文--汽轮发电机论文

基于信息融合技术的汽轮发电机故障诊断方法的研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-17页
    1.1 课题研究的背景及意义第10-11页
    1.2 汽轮发电机故障诊断研究现状及存在的问题第11-12页
    1.3 信息融合技术第12-16页
        1.3.1 信息融合的一般框架第12-14页
        1.3.2 信息融合的主要方法及在故障诊断中的应用第14-16页
    1.4 本文的主要工作第16-17页
第二章 汽轮发电机常见故障机理和故障征兆分析第17-35页
    2.1 正常运行时的励磁磁动势分析第17-19页
    2.2 转子绕组匝间短路故障第19-24页
        2.2.1 转子匝间短路时励磁磁动势分析第19页
        2.2.2 转子匝间短路对定转子谐波电动势的影响第19-22页
        2.2.3 定转子振动特性的分析第22-24页
    2.3 定子绕组匝间短路故障第24-27页
        2.3.1 气隙磁场分析第24-25页
        2.3.2 定转子振动特性分析第25-26页
        2.3.3 定子绕组并联支路环流特性分析第26-27页
    2.4 气隙偏心故障第27-31页
        2.4.1 气隙偏心下的气隙磁密第28页
        2.4.2 定转子振动特性分析第28-30页
        2.4.3 定子绕组并联支路环流特性分析第30-31页
    2.5 实验设备及方案研究第31-32页
    2.6 实验结果分析第32-34页
    2.7 本章小节第34-35页
第三章 汽轮发电机故障诊断方法的研究与应用第35-50页
    3.1 基于变尺度混沌聚类和特征融合的发电机故障诊断第35-42页
        3.1.1 核主元分析的原理第35-36页
        3.1.2 变尺度混沌聚类算法的原理第36-38页
        3.1.3 算法的实现第38-39页
            3.1.3.1 KPCA特征融合算法的实现步骤第38-39页
            3.1.3.2 MSCOA-FCM算法的实现步骤第39页
        3.1.4 实例验证及分析第39-42页
    3.2 改进粒子群加权聚类算法在发电机故障诊断中的应用第42-49页
        3.2.1 模拟退火改进的粒子群算法第43-44页
        3.2.2 基于样本相似度的特征加权方法第44-45页
        3.2.3 算法的实现过程第45-46页
        3.2.4 实例验证及分析第46-49页
    3.3 本章小结第49-50页
第四章 汽轮发电机故障诊断的融合算法第50-57页
    4.1 D-S证据理论简介及基本概念第50-51页
    4.2 D-S证据理论存在的问题及解决的途径第51-52页
    4.3 改进的D-S证据理论算法第52-55页
    4.4 数值验证第55-56页
    4.5 证据决策规则的选取第56页
    4.6 本章小节第56-57页
第五章 汽轮发电机分层故障诊断模型及方法研究第57-67页
    5.1 分层故障诊断模型的建立第57-58页
    5.2 发电机故障信息的获取和预处理第58-60页
    5.3 故障诊断算法及BPA的获取第60-63页
        5.3.1 基于KPCA变尺度混沌聚类算法的BPA获取第60-62页
        5.3.2 基于改进粒子群加权聚类算法的BPA获取第62-63页
    5.4 基于改进D-S证据理论的证据融合和诊断决策过程第63-65页
    5.5 诊断结果分析第65-66页
    5.6 本章小节第66-67页
第六章 结论与展望第67-69页
    6.1 结论第67页
    6.2 展望第67-69页
参考文献第69-73页
在学期间发表的学术论文第73-74页
攻读硕士学位期间参加的科研情况第74-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:光伏控制器MPPT控制策略的研究与实现
下一篇:蓄电池组均衡充电方法的研究