燃氣輪機故障預測診斷方法研究

目錄
前言
第1章 緒論 1
1.1 基于熱力學參數(shù)的燃氣輪機氣路診斷技術研究進展 1
1.1.1 基于熱力模型決策的氣路診斷技術發(fā)展現(xiàn)狀 4
1.1.2 基于模式識別的氣路診斷技術發(fā)展現(xiàn)狀 9
1.2 基于振動信號的軸承故障診斷技術研究進展 13
1.3 燃氣輪機遠程監(jiān)測與診斷系統(tǒng)介紹 14
參考文獻 17
第2章 基于熱力學原理的燃氣輪機氣路診斷模型研究 20
2.1 空氣、燃氣工質熱物性計算 20
2.2 建立燃氣輪機數(shù)學模型 25
2.3 部件特性線表示方法 28
2.4 建立燃氣輪機熱力模型 38
2.4.1 燃氣輪機應用對象介紹 39
2.4.2 基于粒子群優(yōu)化算法辨識的部件特性線修正方法 41
參考文獻 48
第3章 基于粒子群優(yōu)化算法的燃氣輪機深度氣路診斷研究 50
3.1 改進型非線性氣路診斷方法 50
3.1.1 基于相似折合參數(shù)的氣路部件健康參數(shù)定義 51
3.1.2 基于牛頓-拉弗森算法的非線性氣路診斷方法 52
3.1.3 改進型非線性氣路診斷過程 53
3.2 基于熱力模型與粒子群優(yōu)化算法的非線性氣路診斷方法 55
3.2.1 粒子群優(yōu)化算法 55
3.2.2 基于粒子群優(yōu)化算法的深度氣路診斷過程 57
3.3 基于粒子群優(yōu)化算法的深度氣路診斷案例分析 59
參考文獻 69
第4章 基于熱力模型與灰色關聯(lián)理論的燃氣輪機實時氣路診斷研究 70
4.1 基于灰色關聯(lián)理論的氣路故障模式識別 70
4.1.1 普通灰色關聯(lián)理論 71
4.1.2 自適應灰色關聯(lián)理論 72
4.2 基于熱力模型與灰色關聯(lián)理論的實時氣路診斷過程 73
4.3 基于熱力模型與灰色關聯(lián)理論的實時氣路診斷案例分析 76
參考文獻 86
第5章 抗傳感器測量偏差的燃氣輪機氣路診斷研究 87
5.1 高斯修正準則數(shù)據(jù)調和原理 87
5.2 基于高斯數(shù)據(jù)調和原理與多運行工況點相結合的非線性氣路診斷方法 91
5.3 抗傳感器測量偏差的氣路診斷案例分析 94
參考文獻 112
第6章 基于特性線非線性形狀自適應的壓氣機氣路診斷研究 113
6.1 基于特性線非線性形狀自適應的性能建模與性能診斷方法 113
6.1.1 壓氣機特性線生成 113
6.1.2 壓氣機特性線泛化與非線性形狀自適應 114
6.1.3 基于特性線非線性形狀自適應的壓氣機性能診斷 118
6.2 基于特性線非線性形狀自適應的壓氣機氣路診斷案例分析 119
6.2.1 性能預測案例分析 123
6.2.2 性能診斷案例分析 126
參考文獻 128
第7章 瞬態(tài)變工況下燃氣輪機自適應氣路故障預測診斷方法研究 129
7.1 燃氣輪機氣路故障預測診斷方法研究現(xiàn)狀分析 129
7.2 瞬態(tài)變工況下燃氣輪機氣路故障預測診斷方法研究目標 134
7.2.1 自適應動態(tài)熱力建模 134
7.2.2 基于特性線非線性形狀自適應的氣路診斷 136
7.2.3 基于部件健康參數(shù)的多維度時序預測 137
7.3 瞬態(tài)變工況下燃氣輪機氣路故障預測診斷方法亟待解決的關鍵問題 138
7.3.1 自適應動態(tài)熱力模型的有效建立 138
7.3.2 部件健康參數(shù)的優(yōu)化辨識 139
7.3.3 多維度時序預測模型的建立 140
7.4 瞬態(tài)變工況下燃氣輪機氣路故障預測診斷方法技術路線 140
7.4.1 自適應動態(tài)熱力建模方法技術路線 141
7.4.2 基于部件特性線非線性形狀自適應的氣路診斷方法技術路線 148
7.4.3 基于部件健康參數(shù)的多維度時序預測方法技術路線 151
參考文獻 154
第8章 基于二次特征提取的燃氣輪機氣路故障診斷可視化研究 155
8.1 基于熵特征提取的燃氣輪機氣路故障診斷可視化方法 155
8.1.1 基于熵特征的二次特征提取方法 155
8.1.2 基于熵特征提取的燃氣輪機氣路故障診斷過程 156
8.1.3 基于熵特征提取的燃氣輪機氣路故障診斷案例分析 158
8.2 基于熵特征與分形特征提取的燃氣輪機氣路故障診斷可視化方法 159
8.2.1 分形盒維數(shù)特征提取 159
8.2.2 基于熵特征與分形特征提取的燃氣輪機氣路故障診斷過程 161
8.2.3 基于熵特征與分形特征提取的燃氣輪機氣路故障診斷案例分析 162
參考文獻 163
第9章 基于分形理論與灰色關聯(lián)理論相結合的軸承故障診斷研究 164
9.1 基于改進分形盒維數(shù)與灰色關聯(lián)理論的軸承故障診斷方法 164
9.1.1 傳統(tǒng)一維分形維數(shù)特征提取算法 164
9.1.2 軸承振動信號的分形盒維數(shù)特征提取 167
9.1.3 軸承振動信號的改進分形盒維數(shù)特征提取 169
9.1.4 基于灰色關聯(lián)理論的軸承故障模式識別 170
9.1.5 基于改進的分形盒維數(shù)與自適應灰色關聯(lián)理論的軸承故障診斷過程 174
9.1.6 基于改進的分形盒維數(shù)與自適應灰色關聯(lián)理論的軸承故障診斷案例分析 175
9.2 基于多重分形理論與灰色關聯(lián)理論的軸承故障診斷方法 182
9.2.1 軸承振動信號的多重分形維數(shù)特征提取 182
9.2.2 基于多重分形維數(shù)與灰色關聯(lián)理論的軸承故障診斷過程 183
9.2.3 基于多重分形維數(shù)與灰色關聯(lián)理論的軸承故障診斷案例分析 184
參考文獻 190
第10章 基于多特征提取與灰色關聯(lián)理論相結合的軸承故障診斷研究 191
10.1 基于多特征提取的軸承故障診斷方法 191
10.1.1 軸承振動信號的多特征提取 192
10.1.2 基于灰色關聯(lián)理論的軸承故障模式識別 199
10.1.3 基于多特征提取的軸承故障診斷過程 200
10.1.4 基于多特征提取的軸承故障診斷案例分析 200
10.2 基于多特征提取與證據(jù)融合理論的軸承故障診斷方法 206
10.2.1 軸承振動信號的多特征提取 206
10.2.2 基本信任分配函數(shù)獲取 206
10.2.3 基本信任分配函數(shù)融合 208
10.2.4 基于多特征提取與證據(jù)融合理論的軸承故障診斷過程 210
10.2.5 基于多特征提取與證據(jù)融合理論的軸承故障診斷案例分析 211
參考文獻 217