汽輪機(jī)也被稱為蒸汽透平發(fā)動(dòng)機(jī),是一類應(yīng)用廣泛的旋轉(zhuǎn)式蒸汽動(dòng)力裝置,是現(xiàn)代火力發(fā)電廠發(fā)電機(jī)組的主要設(shè)備,同時(shí)在冶金、化工、艦船動(dòng)力裝置領(lǐng)域也有大量的應(yīng)用。汽輪機(jī)組作為常見的旋轉(zhuǎn)機(jī)械,經(jīng)常會(huì)遇到運(yùn)行狀態(tài)異常甚至發(fā)生重大故障導(dǎo)致整個(gè)工廠被迫停工的狀況。在造成大量經(jīng)濟(jì)損失的同時(shí),還會(huì)對(duì)工作人員的安全造成威脅。因此,設(shè)備往往需要進(jìn)行狀態(tài)監(jiān)測(cè)以保證機(jī)組的正常運(yùn)行,而且還需要周期性的維修與保養(yǎng)以避免發(fā)生損害性事故,而狀態(tài)監(jiān)測(cè)與異常分析技術(shù)的發(fā)展為旋轉(zhuǎn)機(jī)械的實(shí)時(shí)監(jiān)測(cè)和預(yù)測(cè)性維護(hù)提供了更有效、更多樣化的方法。狀態(tài)監(jiān)測(cè)技術(shù)已成為預(yù)防設(shè)備潛在故障、減少非計(jì)劃性被迫停運(yùn)、進(jìn)一步降低維護(hù)成本以及提高旋轉(zhuǎn)機(jī)械系統(tǒng)的可靠性、可用性和可維護(hù)性的重要工具。本文詳細(xì)介紹了國(guó)內(nèi)外機(jī)械系統(tǒng)狀態(tài)監(jiān)測(cè)技術(shù)的發(fā)展現(xiàn)狀,可以看出,對(duì)于汽輪機(jī)組特殊的運(yùn)行環(huán)境及其復(fù)雜的結(jié)構(gòu),并且在考慮設(shè)備的各類用途與應(yīng)用條件時(shí),信號(hào)處理技術(shù)和預(yù)測(cè)算法在旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)及分析中起著關(guān)鍵作用。本研究涉及到機(jī)械系統(tǒng)實(shí)測(cè)數(shù)據(jù)的不確定性和多變量相關(guān)性,以旋轉(zhuǎn)機(jī)械不同位置采集而來(lái)的多變量時(shí)間序列數(shù)據(jù)為研究對(duì)象,介紹了一種概率信號(hào)處理方法及基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)預(yù)測(cè)... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)技術(shù)研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與技術(shù)路線
    1.4 算法編譯工具介紹
2 基于數(shù)據(jù)挖掘算法的多變量時(shí)間序列數(shù)據(jù)處理方法
    2.1 關(guān)于時(shí)間序列數(shù)據(jù)去噪方法
    2.2 基于離散小波包變換的信號(hào)處理技術(shù)
        2.2.1 小波分析概述
        2.2.2 小波基函數(shù)
        2.2.3 連續(xù)小波變換
        2.2.4 離散小波變換
        2.2.5 小波基的選取
        2.2.6 離散小波包變換
        2.2.7 貝葉斯閾值法
    2.3 基于貝葉斯理論的閾值去噪方法
        2.3.1 貝葉斯閾值法
        2.3.2 先驗(yàn)分布
        2.3.3 后驗(yàn)分布
        2.3.4 貝葉斯假設(shè)檢驗(yàn)
    2.4 基于概率主成分分析的數(shù)據(jù)特征提取方法研究
        2.4.1 關(guān)于多變量數(shù)據(jù)的特征提取方法
        2.4.2 主成分分析基本原理
        2.4.3 主成分分析步驟
        2.4.4 概率主成分分析
    2.5 算法流程及實(shí)現(xiàn)
    2.6 本章小結(jié)
3 基于信號(hào)處理算法的汽輪機(jī)組狀態(tài)監(jiān)測(cè)實(shí)例
    3.1 數(shù)據(jù)整理與預(yù)處理
        3.1.1 數(shù)據(jù)來(lái)源
        3.1.2 離群值分析
        3.1.3 數(shù)據(jù)規(guī)約
    3.2 貝葉斯小波去噪
        3.2.1 離散小波包變換
        3.2.2 貝葉斯閾值去噪
    3.3 概率主成分分析
        3.3.1 標(biāo)準(zhǔn)主成分分析確定降低維數(shù)
        3.3.2 概率主成分分析提取信號(hào)特征
    3.4 本章小結(jié)
4 基于神經(jīng)網(wǎng)絡(luò)模型的汽輪機(jī)組狀態(tài)數(shù)據(jù)預(yù)測(cè)
    4.1 模糊神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介
        4.1.1 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
        4.1.2 模糊c均值聚類
    4.2 模糊神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建
        4.2.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.2.2 訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型
    4.3 算法流程及實(shí)現(xiàn)
    4.4 模型實(shí)例應(yīng)用
        4.4.1 構(gòu)建輸入輸出向量并訓(xùn)練模型
        4.4.2 驗(yàn)證模型并進(jìn)行模擬預(yù)測(cè)
    4.5 本章小結(jié)
5 結(jié)論與展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)奏響智能時(shí)代序曲政策向細(xì)化領(lǐng)域延伸[J].   自動(dòng)化應(yīng)用. 2017(08)
[2]發(fā)展大數(shù)據(jù),擴(kuò)大影響力——寫在2017年世界電信和信息社會(huì)日之際[J]. 宗文.  中國(guó)電信業(yè). 2017(05)
[3]促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要[J].   成組技術(shù)與生產(chǎn)現(xiàn)代化. 2015(03)
[4]大數(shù)據(jù)成多國(guó)國(guó)家戰(zhàn)略[J]. 小荷.  中國(guó)電信業(yè). 2015(09)
[5]基于深度學(xué)習(xí)理論的機(jī)械裝備大數(shù)據(jù)健康監(jiān)測(cè)方法[J]. 雷亞國(guó),賈峰,周昕,林京.  機(jī)械工程學(xué)報(bào). 2015(21)
[6]韓國(guó)大數(shù)據(jù)發(fā)展及應(yīng)用分析[J]. 羅梓超,呂志堅(jiān).  全球科技經(jīng)濟(jì)瞭望. 2014(03)
[7]混合聚類新算法及其在故障診斷中的應(yīng)用[J]. 雷亞國(guó),何正嘉,訾艷陽(yáng),胡橋,丁鋒.  機(jī)械工程學(xué)報(bào). 2006(12)
[8]機(jī)泵群實(shí)時(shí)監(jiān)測(cè)網(wǎng)絡(luò)和故障診斷專家系統(tǒng)[J]. 高金吉.  中國(guó)工程科學(xué). 2001(09)

博士論文
[1]狀態(tài)監(jiān)控與智能診斷關(guān)鍵技術(shù)研究及其在汽車起重機(jī)主泵中的應(yīng)用[D]. 杜文遼.上海交通大學(xué) 2013
[2]基于智能技術(shù)的民航發(fā)動(dòng)機(jī)故障診斷和壽命預(yù)測(cè)研究[D]. 郝英.南京航空航天大學(xué) 2006



本文編號(hào)：3393590