发电设备智能故障诊断技术
￥32.00定价
作者： 张浩，彭道刚，夏飞，钱玉良，徐春梅
出版时间：2014年5月
出版社：中国电力出版社有限公司
- 中国电力出版社有限公司
- 9787512355385
- 1
- 91176
- 平装
- 大16开
- 2014年5月
- 192
- 研究生
内容简介
《发电设备智能故障诊断技术》属于近几年科研项目的研究成果总结，主要内容包括发电设备故障数据预处理与特征提取、汽轮发电机组轴心轨迹自动识别技术、基于神经网络的发电设备智能故障诊断、主元分析与神经网络集成的发电设备故障诊断、基于信息融合的发电设备智能集成故障诊断技术、发电设备智能故障诊断应用研究等。
目录
前言
l 概述
1．1 发电设备智能故障诊断的意义
1．2 国内外发展研究现状分析
2 发电设备故障数据预处理与特征提取
2．1 数据预处理与特征提取方法
2．2 嵌入式数据预处理与特征提取平台
2．3 基于FFT变换的发电设备数据预处理
2．4 基于小波变换的发电设备故障特征提取
3 汽轮发电机组轴心轨迹自动识别技术
3．1 轴心轨迹自动识别框架设计
3．2 基于一种粒子群模型的轴心轨迹提纯
3．3 基于不变矩的轴心轨迹特征提取
3．4 基于BP神经网络的特征识别
3．5 仿真实例研究
4 基于神经网络的发电设备智能故障诊断
4．1 神经网络的概述
4．2 基于BP神经网络的汽轮发电机组故障诊断
4．3 基于RBF神经网络的汽轮发电机组故障诊断
4．4 基于CPN神经网络的汽轮发电机组故障诊断
4．5 基于概率神经网络(PNN)的汽轮发电机组故障诊断
4．6 基于小波神经网络(WNN)的汽轮发电机组故障诊断
4．7 基于模糊神经网络(FNN)汽轮发电机组故障诊断
5 主元分析与神经网络集成的发电设备智能故障诊断
5．1 集成诊断系统框架
5．2 基于主元分析的特征向量降维
5．3 GA-PSO-RBF神经网络
5．4 仿真测试研究
6 基于信息融合的发电设备智能集成故障诊断
6．1 信息融合的概述
6．2 基于D-S证据理论的汽轮机故障诊断
6．3 基于BP-RBF和D-S证据理论的汽轮机集成故障诊断
6．4 基于PNN-RBF和证据理论的集成故障诊断
6．5 基于WNN-PNN和证据理论的集成故障诊断
6．6 基于灰色理论-PNN的汽轮发电机组集成故障诊断
6．7 基于模糊集-BP和D-S证据理论凝汽器集成故障诊断
6．8 基于BP-CPN和D-S证据理论的凝汽器集成故障诊断
7 发电设备智能故障诊断系统应用研究
7．1 基于嵌入式ARM的远程数据采集系统
7．2 基于LabVIEW的汽轮发电机组振动运行监测与故障诊断系统
7．3 发电设备远程状态监测与智能故障诊断系统
参考文献
l 概述
1．1 发电设备智能故障诊断的意义
1．2 国内外发展研究现状分析
2 发电设备故障数据预处理与特征提取
2．1 数据预处理与特征提取方法
2．2 嵌入式数据预处理与特征提取平台
2．3 基于FFT变换的发电设备数据预处理
2．4 基于小波变换的发电设备故障特征提取
3 汽轮发电机组轴心轨迹自动识别技术
3．1 轴心轨迹自动识别框架设计
3．2 基于一种粒子群模型的轴心轨迹提纯
3．3 基于不变矩的轴心轨迹特征提取
3．4 基于BP神经网络的特征识别
3．5 仿真实例研究
4 基于神经网络的发电设备智能故障诊断
4．1 神经网络的概述
4．2 基于BP神经网络的汽轮发电机组故障诊断
4．3 基于RBF神经网络的汽轮发电机组故障诊断
4．4 基于CPN神经网络的汽轮发电机组故障诊断
4．5 基于概率神经网络(PNN)的汽轮发电机组故障诊断
4．6 基于小波神经网络(WNN)的汽轮发电机组故障诊断
4．7 基于模糊神经网络(FNN)汽轮发电机组故障诊断
5 主元分析与神经网络集成的发电设备智能故障诊断
5．1 集成诊断系统框架
5．2 基于主元分析的特征向量降维
5．3 GA-PSO-RBF神经网络
5．4 仿真测试研究
6 基于信息融合的发电设备智能集成故障诊断
6．1 信息融合的概述
6．2 基于D-S证据理论的汽轮机故障诊断
6．3 基于BP-RBF和D-S证据理论的汽轮机集成故障诊断
6．4 基于PNN-RBF和证据理论的集成故障诊断
6．5 基于WNN-PNN和证据理论的集成故障诊断
6．6 基于灰色理论-PNN的汽轮发电机组集成故障诊断
6．7 基于模糊集-BP和D-S证据理论凝汽器集成故障诊断
6．8 基于BP-CPN和D-S证据理论的凝汽器集成故障诊断
7 发电设备智能故障诊断系统应用研究
7．1 基于嵌入式ARM的远程数据采集系统
7．2 基于LabVIEW的汽轮发电机组振动运行监测与故障诊断系统
7．3 发电设备远程状态监测与智能故障诊断系统
参考文献
