《水輪發電機組動力學問題及故障診斷原理與方法》是2015年華中科技大學出版社出版的圖書。
基本介紹
- 中文名：水輪發電機組動力學問題及故障診斷原理與方法
- 作者：周建中、李超順、張勇傳
- 出版社：華中科技大學出版社
- 出版時間：2015年1月1日
- 頁數：412 頁
- 開本：16 開
- 裝幀：精裝
- ISBN：9787560999975
內容簡介,圖書目錄,作者簡介,
內容簡介
《水電科技前沿研究叢書：水輪發電機組動力學問題及故障診斷原理與方法》從水輪發電機組動力學動力過程描述、建模理論、機組非平穩信號處理與特徵提取方法、智慧型故障診斷理論與方法、狀態監測與故障診斷系統等方面進行了全面闡述，豐富和發展了水輪發電機組動力學建模、狀態監測與故障診斷的理論與方法體系，並進行了套用系統示範。本書共分為四篇，展示了機組的特徵提取、故障智慧型推理、最優模式識別、監測與診斷系統開發等方面的研究成果，並附有豐富的算例和系統套用示範。《水電科技前沿研究叢書：水輪發電機組動力學問題及故障診斷原理與方法》適合相關方向研究人員和工程技術人員參考借鑑，也可作為研究生掌握基礎理論和培養創新能力的讀本。
圖書目錄
第一篇 水輪發電機組動力學
第1章 水輪發電機組動力學問題及其研究概述（3）
1.1水輪發電機組產生振動的因素（3）
1.2水輪發電機組轉子動力學問題概述（6）
1.2.1轉子動力學問題簡介（6）
1.2.2轉子動力學問題研究現狀（7）
1.3水輪發電機組振動分析（8）
第2章 單一故障影響下水輪發電機組振動分析（10）
2.1水輪發電機組徑向振動特性分析（10）
2.1.1水輪發電機組徑向振動動力學模型（11）
2.1.2水輪發電機組徑向振動特性分析（14）
2.2水輪發電機組轉子不對中的振動特性分析（22）
2.2.1綜合不對中機組軸系動力學模型（23）
2.2.2綜合不對中機組軸系動力學特性分析（26）
2.2.3本節小結（36）
2.3水輪發電機組在軸向推力作用下的振動特性分析（37）
2.3.1碰摩轉子在軸向推力作用下的動力學模型（38）
2.3.2軸向推力作用下碰摩發電機轉子特性分析（40）
2.3.3本節小結（58）
2.4水輪發電機組非線性電磁振動特性分析（59）
2.4.1不平衡磁拉力的計算方法簡介（60）
2.4.2機組軸系非線性動力學模型（63）
2.4.3機組非線性電磁振動特性分析（65）
2.4.4本節小結（72）
第3章 耦合振動作用下水輪發電機組轉子動力學分析（73）
3.1陀螺效應下水輪發電機組的彎扭耦合振動分析（73）
3.1.1立式轉子彎扭耦合振動基本原理（73）
3.1.2單質量不平衡轉子的彎扭耦合振動（77）
3.2水輪發電機組聯軸器不對中彎扭耦合振動分析（94）
3.2.1固定式剛性聯軸器平行不對中（94）
3.2.2可移式剛性聯軸器平行不對中（102）
3.3水輪發電機組碰摩彎扭耦合振動分析（106）
3.3.1碰摩轉子彎扭耦合振動動力學模型（107）
3.3.2碰摩轉子彎振和扭振特性分析（111）
第二篇 信號處理與軸心軌跡特徵提取
第4章 信號分析及特徵提取（125）
4.1傳統信號分析方法（125）
4.1.1時域信號分析（126）
4.1.2振動信號的頻域分析（127）
4.1.3傳統信號分析方法存在的問題（128）
4.2小波變換（128）
4.2.1小波和小波變換（128）
4.2.2多分辨分析（130）
4.3Hilbert-Huang變換（133）
4.3.1經驗模態分解（133）
4.3.2Hilbert譜分析（136）
4.4微弱信號混沌振子檢測原理（136）
4.4.1混沌振子基本檢測原理（137）
4.4.2混沌振子檢測微弱信號的頻率和相位（138）
4.4.3信息融合與混沌振子檢測微弱信號幅值（140）
4.4.4加權平均融合與混沌振子檢測微弱信號幅值（141）
4.4.5基於信息融合技術的混沌振子狀態識別（143）
4.4.6信息融合與混沌振子在故障診斷中的套用（145）
第5章 軸心軌跡自動識別方法（148）
5.1水輪發電機組軸心軌跡的特點（148）
5.1.1軸心軌跡形狀信息在故障診斷系統中的作用（148）
5.1.2軸心軌跡自動識別方法分析（149）
5.1.3水輪發電機組軸心軌跡的特點（149）
5.2軸心軌跡自動識別原理（150）
5.2.1小波提純原理（150）
5.2.2軸心軌跡圖形特徵提取（150）
5.2.3軸心軌跡形狀特徵自動識別的常規方法（153）
5.2.4神經網路原理（153）
5.3基於PJFMIs不變矩的軸心軌跡識別（157）
5.3.1Pseudo-Jacobi（p=4,q=3）-Fourier矩（PJFMs）（157）
5.3.2Pseudo-Jacobi（p=4,q=3）-Fourier不變矩（PJFMIs）（158）
5.3.3PJFMs的快速算法（158）
5.3.4PJFMIs提取軸心軌跡特徵（159）
5.3.5神經網路及其參數選擇（159）
5.4基於快速變換的軸心軌跡識別（159）
5.4.1現代智慧型算法（160）
5.4.2基於Haar正交矩陣的夾角識別（174）
5.4.3基於幾何特徵和Fourier描繪子的軸心軌跡識別（181）
5.4.4基於Walsh描繪子和支持向量機的軸心軌跡識別（188）
5.5基於混合神經網路的軸心軌跡自動識別（194）
5.5.1引言（194）
5.5.2脈衝耦合神經網路（194）
5.5.3基於脈衝耦合神經網路融合的軸心軌跡特徵提取（200）
第三篇 水輪發電機組智慧型故障診斷方法
第6章 水輪發電機組的支持向量機故障診斷方法（209）
6.1支持向量機基本理論（209）
6.1.1統計學習理論（209）
6.1.2機器學習的本質（212）
6.1.3結構風險最小化（214）
6.1.4支持向量機（216）
6.2基於支持向量機的水輪發電機組振動故障分類研究（222）
6.2.1最小二乘支持向量機（222）
6.2.2基於最小二乘支持向量機的故障分類模型（225）
6.2.3水輪發電機組振動故障分類識別（229）
6.3基於遺傳算法的支持向量機模型參數選擇（232）
6.3.1遺傳算法（233）
6.3.2GA-LSSVM預測模型參數選擇（236）
6.3.3實例分析（239）
6.4基於支持向量機的水輪發電機組狀態預測研究（241）
6.4.1預測方法概述（241）
6.4.2基於小波與最小二乘支持向量機的集成預測模型（242）
6.4.3預測方法評價準則和誤差評價函式（246）
6.4.4水輪發電機組振動狀態預測分析（249）
第7章 水輪發電機組的Bayes網路故障診斷方法（255）
7.1Bayes網路的基本理論（255）
7.1.1Bayes理論的基本思想（256）
7.1.2Bayes網路的基本理論（257）
7.2PPTC機率推理算法的最佳化與實現（265）
7.2.1PPTC算法中的基本概念（265）
7.2.2聯合樹及其構造方法（267）
7.2.3PPTC算法的機率推理（271）
7.2.4PPTC算法實現中的最佳化（278）
7.3基於Bayes網路的水輪發電機組狀態檢修系統（279）
7.3.1基於Bayes網路的知識表示（280）
7.3.2基於Bayes網路的專家系統建模（281）
7.3.3專家系統的推理機制（283）
7.3.4專家系統的套用與分析（285）
7.3.5基於Bayes網路的水輪發電機組檢修策略（286）
7.3.6基於Bayes網路的檢修決策系統（287）
7.4水輪發電機組狀態檢修系統的知識獲取（290）
7.4.1Bayes學習理論（291）
7.4.2完整數據集下的Bayes網路參數學習（297）
7.4.3不完整數據下的參數學習（298）
7.4.4基於最大信息熵的學習算法（ME算法）（300）
7.4.5ME算法與EM算法的性能分析（301）
第8章 基於信息融合技術的故障集成診斷（303）
8.1基於快速變換的故障信號分類（304）
8.1.1故障信號快速變換（304）
8.1.2快速變換基於Fisher準則的最優選取（307）
8.2基於熵權理論和信息融合技術的水輪發電機組振動故障診斷（315）
8.2.1灰色關聯原理（315）
8.2.2熵權理論（317）
8.2.3基於證據的信息融合理論（318）
8.2.4基於熵權理論和信息融合技術的水輪發電機組故障診斷（319）
8.2.5套用實例（321）
8.3基於粗糙集和信息融合技術的水輪發電機組振動故障診斷（323）
8.3.1基於粗糙集和證據理論的故障診斷（323）
8.3.2水輪機調速系統故障診斷實例（325）
第四篇 狀態監測與故障診斷系統
第9章 水輪發電機組運行狀態監測（331）
9.1機組工況參數監測（332）
9.2機組穩定性監測（335）
9.2.1機組穩定性監測內容（335）
9.2.2機組穩定性監測技術（335）
9.3發電機狀態監測（335）
9.3.1發電機狀態監測內容（335）
9.3.2發電機狀態監測技術（335）
9.4水輪機空化空蝕監測（336）
9.4.1空化空蝕監測目的和原理（336）
9.4.2水輪機空化空蝕監測技術（337）
9.5主變壓器狀態監測（338）
9.5.1油色譜分析（338）
9.5.2油色譜分析診斷方法（339）
9.6水輪發電機組振動、擺度狀態監測系統實例（341）
9.6.1系統總體框架（341）
9.6.2系統各部分功能概述（342）
9.6.3DSP信號處理板設計（348）
9.6.4信息分析功能要求（352）
9.6.5資料庫要求（353）
9.6.6決策系統（354）
第10章 分散式遠程故障診斷系統工程套用（358）
10.1分散式遠程故障診斷系統結構（359）
10.2專家系統設計及基本診斷方法（361）
10.2.1系統結構（361）
10.2.2知識庫模組設計（362）
10.2.3推理機模組設計（365）
10.2.4解釋器模組設計（369）
10.2.5自學習機模組設計（369）
10.3故障樹診斷方法（374）
10.3.1故障樹分析基礎（374）
10.3.2故障樹子系統結構（375）
10.3.3故障樹管理維護模組（375）
10.3.4故障樹分析模組（377）
10.3.5故障樹診斷模組（379）
10.4基於案例的故障診斷算法模型（379）
10.4.1系統結構（379）
10.4.2故障徵兆提取模組設計（380）
10.4.3案例庫模組設計（381）
10.4.4檢索機制模組設計（381）
10.4.5解釋器模組設計（383）
10.4.6案例庫的學習與維護模組設計（383）
10.5多診斷方法的決策融合及套用（385）
10.6展望（386）
參考文獻（389）
作者簡介
周建中，男，1959年生，華中科技大學首屆校內特聘教授；博士生導師，德國布倫瑞克理工大學客座教授，1994年IEEE高級會員，1997年德國信息工程學會會員，1994年當選為湖北省自動化學會理事，1995受聘為年國家機電部部儀器儀表專業學科科學技術諮詢委員會委員；1996年受聘為中國計算機學會外圍設備專業委員會副主任委員；2001年受聘為中國城市規劃學會生態城市專業委員會副主任委員；2001年受聘為全國水利學科水利水電工程專業教學指導委員會委員；2002年受聘為全國電氣學科電氣自動化專業教學指導委員會委員；2002年當選為湖北省振動學會秘書長；2003年受聘為國家自然科學基金項目同行評議專家；2004年當選為湖北省水力發電工程學會常務理事；2004年受聘為中國水力發電工程學會水電控制設備專委會委員；2004年受聘為國家科學技術獎評審專家；2005年當選為國際一般系統論研究會中國分會信息系統與信息理論專委會副理事長；2005年受聘為湖北省水利學會水利規劃專業委員會副主任委員；2005年受聘為數字流域科學與技術湖北省重點實驗室副主任；2006年受聘為國家核心學術刊物《水電能源科學》副主編；2007年受聘為國際一般系統論研究會中國分會理事；2007年受聘為湖北省系統工程學會常務理事；2008年受聘為教育部水利學科水文與水資源工程專業教學指導分委員會委員；2009年受聘為中國人工智慧學會自然計算與數字智慧型城市專委會委員；2009年受聘為中國水利教育協會高等教育分會第四屆理事會常務理事；2009年受聘為冶金工業過程系統科學湖北省重點實驗室學術委員會委員；2009年受聘為全球水夥伴（中國）技術委員會委員；2009年受聘為湖北省水力發電工程學會副理事長；2010年受聘為湖北省水土保持學會常務理事；2010年受聘為《當代水科學前沿叢書》學術委員會委員；2010年受聘為中國農業機械學會排灌機械分會第九屆委員會委員；2010年受聘為《排灌機械工程學報》第九屆編輯委員會委員；2010年受聘為江蘇省水利動力工程重點實驗室學術委員會委員；2011年受聘為中國水利學會水生態專業委員會委員；2011年受聘為水利部、中國科學院水工程生態研究所學術委員會委員；2011年受聘為水利部水工程生態效應與生態修復重點實驗室第一屆學術委員會委員；2012年受聘為潘家錚水電科技基金第二屆理事會理事；2012年受聘為湖北省建設粒料製備工程中心學術委員會專家；2013年受聘為流域水資源與生態環境科學湖北省重點實驗室學術委員會委員。
