基于B/S模式的机组远程振动监测与故障诊断系统研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| ·选题背景和意义 | 第7-8页 |
| ·机组状态监测与故障诊断技术 | 第8-9页 |
| ·机组远程状态监测与故障诊断技术 | 第9-11页 |
| ·国外发展状况 | 第9-10页 |
| ·国内发展状况 | 第10-11页 |
| ·本文研究目的和主要研究内容 | 第11-12页 |
| 第二章 振动监测分析与故障诊断原理 | 第12-21页 |
| ·振动监测分析技术 | 第12-17页 |
| ·振动分类 | 第12-13页 |
| ·汽轮发电机组振动及其特点 | 第13页 |
| ·振动监测分析方法 | 第13-17页 |
| ·振动故障诊断技术 | 第17-21页 |
| ·汽轮发电机组的转子故障分类 | 第18页 |
| ·智能故障诊断技术 | 第18-19页 |
| ·振动故障的频谱特征提取方法 | 第19-21页 |
| 第三章 人工神经网络故障诊断方法研究 | 第21-28页 |
| ·人工神经网络的基本概念 | 第21-22页 |
| ·人工神经网络的分类 | 第22-23页 |
| ·人工神经网络对机组故障诊断的适宜性 | 第23-24页 |
| ·BP 模型和BP 学习算法 | 第24-25页 |
| ·BP 学习算法改进和学习参数选取 | 第25-28页 |
| ·改进的BP 算法 | 第25-26页 |
| ·BP 网络学习参数的选取 | 第26-28页 |
| 第四章 远程振动监测与故障诊断技术 | 第28-41页 |
| ·远程振动监测与故障诊断技术 | 第28-30页 |
| ·远程振动监测与故障诊断 | 第28页 |
| ·C/S 模式与B/S 模式 | 第28-30页 |
| ·面向对象技术 | 第30-32页 |
| ·面向对象的思想和方法学 | 第31页 |
| ·面向对象技术对故障诊断系统的适宜性 | 第31-32页 |
| ·用面向对象技术构建故障诊断神经网络系统 | 第32页 |
| ·故障诊断神经网络系统构建 | 第32-34页 |
| ·远程振动监测与故障诊断关键技术 | 第34-41页 |
| ·Web 服务器软件开发语言和工具 | 第35-37页 |
| ·网站设计 | 第37-38页 |
| ·服务器与客户端通讯技术 | 第38-39页 |
| ·客户端图形显示技术 | 第39-40页 |
| ·多线程技术 | 第40-41页 |
| 第五章 机组远程振动监测与故障诊断系统 | 第41-53页 |
| ·系统总体设计要求 | 第41页 |
| ·系统总体设计及基本功能 | 第41-43页 |
| ·数据采集 | 第43页 |
| ·系统网站 | 第43-45页 |
| ·远程监测分析基本功能及其设计 | 第45-48页 |
| ·总貌图 | 第45-46页 |
| ·在线监测分析 | 第46-48页 |
| ·历史查询 | 第48页 |
| ·报警信息 | 第48页 |
| ·远程故障诊断功能及其设计 | 第48-50页 |
| ·故障诊断神经网络训练 | 第48页 |
| ·故障诊断 | 第48-49页 |
| ·诊断帮助 | 第49-50页 |
| ·基于频谱征兆的故障诊断 | 第50-52页 |
| ·频谱征兆网络训练样本及参数确定 | 第50-51页 |
| ·频谱征兆自动提取 | 第51页 |
| ·基于频谱征兆自动综合诊断实例 | 第51-52页 |
| ·系统应用情况 | 第52-53页 |
| 第六章 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 在学期间发表论文和参加科研情况 | 第59页 |
