水轮发电机组动力学问题及故障诊断原理与方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

水轮发电机组动力学问题及故障诊断原理与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 水轮发电机组动力学3

第1章 水轮发电机组动力学问题及其研究概述3

1.1 水轮发电机组产生振动的因素3

1.2 水轮发电机组转子动力学问题概述6

1.2.1 转子动力学问题简介6

1.2.2 转子动力学问题研究现状7

1.3 水轮发电机组振动分析8

第2章 单一故障影响下水轮发电机组振动分析10

2.1 水轮发电机组径向振动特性分析10

2.1.1 水轮发电机组径向振动动力学模型11

2.1.2 水轮发电机组径向振动特性分析14

2.2 水轮发电机组转子不对中的振动特性分析22

2.2.1 综合不对中机组轴系动力学模型23

2.2.2 综合不对中机组轴系动力学特性分析26

2.2.3 本节小结36

2.3 水轮发电机组在轴向推力作用下的振动特性分析37

2.3.1 碰摩转子在轴向推力作用下的动力学模型38

2.3.2 轴向推力作用下碰摩发电机转子特性分析40

2.3.3 本节小结58

2.4 水轮发电机组非线性电磁振动特性分析59

2.4.1 不平衡磁拉力的计算方法简介60

2.4.2 机组轴系非线性动力学模型63

2.4.3 机组非线性电磁振动特性分析65

2.4.4 本节小结72

第3章 耦合振动作用下水轮发电机组转子动力学分析73

3.1 陀螺效应下水轮发电机组的弯扭耦合振动分析73

3.1.1 立式转子弯扭耦合振动基本原理73

3.1.2 单质量不平衡转子的弯扭耦合振动77

3.2 水轮发电机组联轴器不对中弯扭耦合振动分析94

3.2.1 固定式刚性联轴器平行不对中94

3.2.2 可移式刚性联轴器平行不对中102

3.3 水轮发电机组碰摩弯扭耦合振动分析106

3.3.1 碰摩转子弯扭耦合振动动力学模型107

3.3.2 碰摩转子弯振和扭振特性分析111

第二篇 信号处理与轴心轨迹特征提取125

第4章 信号分析及特征提取125

4.1 传统信号分析方法125

4.1.1 时域信号分析126

4.1.2 振动信号的频域分析127

4.1.3 传统信号分析方法存在的问题128

4.2 小波变换128

4.2.1 小波和小波变换128

4.2.2 多分辨分析130

4.3 Hilbert-Huang变换133

4.3.1 经验模态分解133

4.3.2 Hilbert谱分析136

4.4 微弱信号混沌振子检测原理136

4.4.1 混沌振子基本检测原理137

4.4.2 混沌振子检测微弱信号的频率和相位138

4.4.3 信息融合与混沌振子检测微弱信号幅值140

4.4.4 加权平均融合与混沌振子检测微弱信号幅值141

4.4.5 基于信息融合技术的混沌振子状态识别143

4.4.6 信息融合与混沌振子在故障诊断中的应用145

第5章 轴心轨迹自动识别方法148

5.1 水轮发电机组轴心轨迹的特点148

5.1.1 轴心轨迹形状信息在故障诊断系统中的作用148

5.1.2 轴心轨迹自动识别方法分析149

5.1.3 水轮发电机组轴心轨迹的特点149

5.2 轴心轨迹自动识别原理150

5.2.1 小波提纯原理150

5.2.2 轴心轨迹图形特征提取150

5.2.3 轴心轨迹形状特征自动识别的常规方法153

5.2.4 神经网络原理153

5.3 基于PJFMIs不变矩的轴心轨迹识别157

5.3.1 Pseudo-Jacobi（p=4,q=3）-Fourier矩（PJFMs）157

5.3.2 Pseudo-Jacobi（p=4,q=3）-Fourier不变矩（PJFMIs）158

5.3.3 PJFMs的快速算法158

5.3.4 PJFMIs提取轴心轨迹特征159

5.3.5 神经网络及其参数选择159

5.4 基于快速变换的轴心轨迹识别159

5.4.1 现代智能算法160

5.4.2 基于Haar正交矩阵的夹角识别174

5.4.3 基于几何特征和Fourier描绘子的轴心轨迹识别181

5.4.4 基于Walsh描绘子和支持向量机的轴心轨迹识别188

5.5 基于混合神经网络的轴心轨迹自动识别194

5.5.1 引言194

5.5.2 脉冲耦合神经网络194

5.5.3 基于脉冲耦合神经网络融合的轴心轨迹特征提取200

第三篇 水轮发电机组智能故障诊断方法209

第6章 水轮发电机组的支持向量机故障诊断方法209

6.1 支持向量机基本理论209

6.1.1 统计学习理论209

6.1.2 机器学习的本质212

6.1.3 结构风险最小化214

6.1.4 支持向量机216

6.2 基于支持向量机的水轮发电机组振动故障分类研究222

6.2.1 最小二乘支持向量机222

6.2.2 基于最小二乘支持向量机的故障分类模型225

6.2.3 水轮发电机组振动故障分类识别229

6.3 基于遗传算法的支持向量机模型参数选择232

6.3.1 遗传算法233

6.3.2 GA-LSSVM预测模型参数选择236

6.3.3 实例分析239

6.4 基于支持向量机的水轮发电机组状态预测研究241

6.4.1 预测方法概述241

6.4.2 基于小波与最小二乘支持向量机的集成预测模型242

6.4.3 预测方法评价准则和误差评价函数246

6.4.4 水轮发电机组振动状态预测分析249

第7章 水轮发电机组的Bayes网络故障诊断方法255

7.1 Bayes网络的基本理论255

7.1.1 Bayes理论的基本思想256

7.1.2 Bayes网络的基本理论257

7.2 PPTC概率推理算法的优化与实现265

7.2.1 PPTC算法中的基本概念265

7.2.2 联合树及其构造方法267

7.2.3 PPTC算法的概率推理271

7.2.4 PPTC算法实现中的优化278

7.3 基于Bayes网络的水轮发电机组状态检修系统279

7.3.1 基于Bayes网络的知识表示280

7.3.2 基于Bayes网络的专家系统建模281

7.3.3 专家系统的推理机制283

7.3.4 专家系统的应用与分析285

7.3.5 基于Bayes网络的水轮发电机组检修策略286

7.3.6 基于Bayes网络的检修决策系统287

7.4 水轮发电机组状态检修系统的知识获取290

7.4.1 Bayes学习理论291

7.4.2 完整数据集下的Bayes网络参数学习297

7.4.3 不完整数据下的参数学习298

7.4.4 基于最大信息熵的学习算法（ME算法）300

7.4.5 ME算法与EM算法的性能分析301

第8章 基于信息融合技术的故障集成诊断303

8.1 基于快速变换的故障信号分类304

8.1.1 故障信号快速变换304

8.1.2 快速变换基于Fisher准则的最优选取307

8.2 基于熵权理论和信息融合技术的水轮发电机组振动故障诊断315

8.2.1 灰色关联原理315

8.2.2 熵权理论317

8.2.3 基于证据的信息融合理论318

8.2.4 基于熵权理论和信息融合技术的水轮发电机组故障诊断319

8.2.5 应用实例321

8.3 基于粗糙集和信息融合技术的水轮发电机组振动故障诊断323

8.3.1 基于粗糙集和证据理论的故障诊断323

8.3.2 水轮机调速系统故障诊断实例325

第四篇 状态监测与故障诊断系统331

第9章 水轮发电机组运行状态监测331

9.1 机组工况参数监测332

9.2 机组稳定性监测335

9.2.1 机组稳定性监测内容335

9.2.2 机组稳定性监测技术335

9.3 发电机状态监测335

9.3.1 发电机状态监测内容335

9.3.2 发电机状态监测技术335

9.4 水轮机空化空蚀监测336

9.4.1 空化空蚀监测目的和原理336

9.4.2 水轮机空化空蚀监测技术337

9.5 主变压器状态监测338

9.5.1 油色谱分析338

9.5.2 油色谱分析诊断方法339

9.6 水轮发电机组振动、摆度状态监测系统实例341

9.6.1 系统总体框架341

9.6.2 系统各部分功能概述342

9.6.3 DSP信号处理板设计348

9.6.4 信息分析功能要求352

9.6.5 数据库要求353

9.6.6 决策系统354

第10章 分布式远程故障诊断系统工程应用358

10.1 分布式远程故障诊断系统结构359

10.2 专家系统设计及基本诊断方法361

10.2.1 系统结构361

10.2.2 知识库模块设计362

10.2.3 推理机模块设计365

10.2.4 解释器模块设计369

10.2.5 自学习机模块设计369

10.3 故障树诊断方法374

10.3.1 故障树分析基础374

10.3.2 故障树子系统结构375

10.3.3 故障树管理维护模块375

10.3.4 故障树分析模块377

10.3.5 故障树诊断模块379

10.4 基于案例的故障诊断算法模型379

10.4.1 系统结构379

10.4.2 故障征兆提取模块设计380

10.4.3 案例库模块设计381

10.4.4 检索机制模块设计381

10.4.5 解释器模块设计383

10.4.6 案例库的学习与维护模块设计383

10.5 多诊断方法的决策融合及应用385

10.6 展望386

参考文献389