文摘
英文文摘
1绪论
1.1研究汽轮发电机组振动故障诊断技术的意义
1.2汽轮发电机组振动分类及常见故障分析
1.2.1汽轮发电机组振动分类
1.2.2汽轮发电机组常见的机械振动故障
1.2.3汽轮发电机组常见的电磁振动故障
1.2.4汽轮发电机组振动故障的特点
1.3汽轮发电机组振动故障诊断研究的现状
1.3.1目前主要研究的振动故障形式
1.3.2汽轮发电机组振动故障诊断的关键技术
1.3.3汽轮发电机组振动故障诊断的信号处理方法
1.3.4汽轮发电机组振动故障诊断的现有方法
1.4汽轮发电机组振动故障诊断方法研究的发展趋势
1.4.1 模糊理论的应用
1.4.2 专家系统的应用
1.4.3 神经网络技术的应用
1.4.4 遗传算法的应用
1.4.5 概率因果模型的应用
1.5本文研究的主要工作
1.6小结
2汽轮发电机组振动多故障的模糊诊断模型及方法研究
2.1引言
2.2模糊集的基本理论
2.2.1模糊集合的定义
2.2.2模糊关系
2.2.3模糊映射与模糊变换
2.2.4模糊性度量原则
2.3模糊隶属函数的确定方法
2.3.1 Delphi法
2.3.2模糊统计法
2.3.3二元对比排序法
2.4多故障分层模糊诊断模型及方法研究
2.4.1模糊综合评判方法及其缺点
2.4.2分层模糊诊断模型及方法
2.4.3诊断实例
2.5模糊聚类分析诊断的原理及方法研究
2.5.1模糊聚类分析的原理
2.5.2基于模糊等价关系的模糊聚类分析诊断方法
2.5.3诊断实例
2.6小结
3汽轮发电机组振动多故障诊断的概率因果模型及方法研究
3.1引言
3.2概率因果模型
3.2.1基于概率知识的诊断
3.2.2节约覆盖集理论
3.2.3概率因果模型的基本理论
3.2.4概率因果模型与节约覆盖集之间的关系
3.3基于概率因果的联接模型
3.3.1联接模型的构造
3.3.2节点激活程度的更新公式
3.3.3基于概率因果的联接模型的几点讨论
3.4汽轮发电机组振动多故障的概率因果诊断方法
3.4.1征兆出现的评价标准
3.4.2基于概率因果模型的汽轮发电机组多故障诊断模型
3.4.3诊断方法
3.4.4诊断实例
3.5小结
4汽轮发电机组振动多故障诊断的神经网络方法研究
4.1引言
4.2神经网络模型简述
4.2.1神经网络的基本理论
4.2.2BP网络模型及其算法
4.2.3模糊神经网络
4.3 BP神经网络对多故障诊断能力的分析
4.4一种适用于多故障诊断的改进BP神经网络方法
4.5多故障诊断的两级神经网络模型及方法
4.5.1两级神经网络诊断模型
4.5.2诊断实例
4.6多故障诊断的自组织特征映射神经网络方法研究
4.6.1 自组织特征映射神经网络诊断模型
4.6.2自组织特征映射神经网络与模糊聚类相结合的多故障诊断方法
4.6.3诊断实例
4.7小结
5汽轮发电机组振动多故障诊断的遗传算法研究
5.1引言
5.2遗传算法的原理及方法
5.2.1遗传算法的基本步骤
5.2.2遗传算法参数的选择
5.2.3遗传算法的特点
5.3遗传算法与模糊c-划分结合的诊断方法研究
5.3.1模糊c-划分
5.3.2遗传算法与模糊c-划分结合的基本原理
5.3.3诊断实例
5.4遗传算法与概率因果模型结合的诊断方法研究
5.4.1基本原理
5.4.2诊断实例
5.5遗传算法与神经网络结合的诊断方法研究
5.5.1基本原理
5.5.2诊断实例
5.6小结
6结论与展望
6.1主要结论
6.2后续工作的展望
致谢
参考文献
附录A:作者在攻读博士学位期间发表的论文
附录B:两级神经网络的训练样本