燃?xì)廨啓C(jī)故障預(yù)測診斷方法研究

目錄
前言
第1章 緒論 1
1.1 基于熱力學(xué)參數(shù)的燃?xì)廨啓C(jī)氣路診斷技術(shù)研究進(jìn)展 1
1.1.1 基于熱力模型決策的氣路診斷技術(shù)發(fā)展現(xiàn)狀 4
1.1.2 基于模式識(shí)別的氣路診斷技術(shù)發(fā)展現(xiàn)狀 9
1.2 基于振動(dòng)信號(hào)的軸承故障診斷技術(shù)研究進(jìn)展 13
1.3 燃?xì)廨啓C(jī)遠(yuǎn)程監(jiān)測與診斷系統(tǒng)介紹 14
參考文獻(xiàn) 17
第2章 基于熱力學(xué)原理的燃?xì)廨啓C(jī)氣路診斷模型研究 20
2.1 空氣、燃?xì)夤べ|(zhì)熱物性計(jì)算 20
2.2 建立燃?xì)廨啓C(jī)數(shù)學(xué)模型 25
2.3 部件特性線表示方法 28
2.4 建立燃?xì)廨啓C(jī)熱力模型 38
2.4.1 燃?xì)廨啓C(jī)應(yīng)用對(duì)象介紹 39
2.4.2 基于粒子群優(yōu)化算法辨識(shí)的部件特性線修正方法 41
參考文獻(xiàn) 48
第3章 基于粒子群優(yōu)化算法的燃?xì)廨啓C(jī)深度氣路診斷研究 50
3.1 改進(jìn)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(jìn)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(xiàn) 69
第4章 基于熱力模型與灰色關(guān)聯(lián)理論的燃?xì)廨啓C(jī)實(shí)時(shí)氣路診斷研究 70
4.1 基于灰色關(guān)聯(lián)理論的氣路故障模式識(shí)別 70
4.1.1 普通灰色關(guān)聯(lián)理論 71
4.1.2 自適應(yīng)灰色關(guān)聯(lián)理論 72
4.2 基于熱力模型與灰色關(guān)聯(lián)理論的實(shí)時(shí)氣路診斷過程 73
4.3 基于熱力模型與灰色關(guān)聯(lián)理論的實(shí)時(shí)氣路診斷案例分析 76
參考文獻(xiàn) 86
第5章 抗傳感器測量偏差的燃?xì)廨啓C(jī)氣路診斷研究 87
5.1 高斯修正準(zhǔn)則數(shù)據(jù)調(diào)和原理 87
5.2 基于高斯數(shù)據(jù)調(diào)和原理與多運(yùn)行工況點(diǎn)相結(jié)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(xiàn) 112
第6章 基于特性線非線性形狀自適應(yīng)的壓氣機(jī)氣路診斷研究 113
6.1 基于特性線非線性形狀自適應(yīng)的性能建模與性能診斷方法 113
6.1.1 壓氣機(jī)特性線生成 113
6.1.2 壓氣機(jī)特性線泛化與非線性形狀自適應(yīng) 114
6.1.3 基于特性線非線性形狀自適應(yīng)的壓氣機(jī)性能診斷 118
6.2 基于特性線非線性形狀自適應(yīng)的壓氣機(jī)氣路診斷案例分析 119
6.2.1 性能預(yù)測案例分析 123
6.2.2 性能診斷案例分析 126
參考文獻(xiàn) 128
第7章 瞬態(tài)變工況下燃?xì)廨啓C(jī)自適應(yīng)氣路故障預(yù)測診斷方法研究 129
7.1 燃?xì)廨啓C(jī)氣路故障預(yù)測診斷方法研究現(xiàn)狀分析 129
7.2 瞬態(tài)變工況下燃?xì)廨啓C(jī)氣路故障預(yù)測診斷方法研究目標(biāo) 134
7.2.1 自適應(yīng)動(dòng)態(tài)熱力建模 134
7.2.2 基于特性線非線性形狀自適應(yīng)的氣路診斷 136
7.2.3 基于部件健康參數(shù)的多維度時(shí)序預(yù)測 137
7.3 瞬態(tài)變工況下燃?xì)廨啓C(jī)氣路故障預(yù)測診斷方法亟待解決的關(guān)鍵問題 138
7.3.1 自適應(yīng)動(dòng)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(shí) 139
7.3.3 多維度時(shí)序預(yù)測模型的建立 140
7.4 瞬態(tài)變工況下燃?xì)廨啓C(jī)氣路故障預(yù)測診斷方法技術(shù)路線 140
7.4.1 自適應(yīng)動(dòng)態(tài)熱力建模方法技術(shù)路線 141
7.4.2 基于部件特性線非線性形狀自適應(yīng)的氣路診斷方法技術(shù)路線 148
7.4.3 基于部件健康參數(shù)的多維度時(shí)序預(yù)測方法技術(shù)路線 151
參考文獻(xiàn) 154
第8章 基于二次特征提取的燃?xì)廨啓C(jī)氣路故障診斷可視化研究 155
8.1 基于熵特征提取的燃?xì)廨啓C(jī)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?xì)廨啓C(jī)氣路故障診斷過程 156
8.1.3 基于熵特征提取的燃?xì)廨啓C(jī)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?xì)廨啓C(jī)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?xì)廨啓C(jī)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?xì)廨啓C(jī)氣路故障診斷案例分析 162
參考文獻(xiàn) 163
第9章 基于分形理論與灰色關(guān)聯(lián)理論相結(jié)合的軸承故障診斷研究 164
9.1 基于改進(jìn)分形盒維數(shù)與灰色關(guān)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(dòng)信號(hào)的分形盒維數(shù)特征提取 167
9.1.3 軸承振動(dòng)信號(hào)的改進(jìn)分形盒維數(shù)特征提取 169
9.1.4 基于灰色關(guān)聯(lián)理論的軸承故障模式識(shí)別 170
9.1.5 基于改進(jìn)的分形盒維數(shù)與自適應(yīng)灰色關(guān)聯(lián)理論的軸承故障診斷過程 174
9.1.6 基于改進(jìn)的分形盒維數(shù)與自適應(yīng)灰色關(guān)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(guān)聯(lián)理論的軸承故障診斷方法 182
9.2.1 軸承振動(dòng)信號(hào)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(guān)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(guān)聯(lián)理論的軸承故障診斷案例分析 184
參考文獻(xiàn) 190
第10章 基于多特征提取與灰色關(guān)聯(lián)理論相結(jié)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(dòng)信號(hào)的多特征提取 192
10.1.2 基于灰色關(guān)聯(lián)理論的軸承故障模式識(shí)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(dòng)信號(hào)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(xiàn) 217