一、HP MC/ServiceGuard的维护及故障检修方法(论文文献综述)
陈磊[1](2021)在《高压断路器振动信号特征提取及故障诊断方法研究》文中研究指明高压断路器是电力系统的关键组件,其在电力系统中起控制(投切负荷)和保护(切断故障)作用。高压断路器一旦发生故障,将直接危害整个电力系统的安全与稳定。国内外众多针对高压断路器可靠性的调查结果表明,机械故障是断路器失效的主要因素。因此,开展高压断路器机械故障监测与诊断方法研究,并据此制定合理的维护与检修策略,对于提高电力系统的可靠性具有重要意义。传统定期检修的维护方式已不符合高压断路器智能化发展要求。近年来,基于机器学习算法的高压断路器智能故障诊断方法得到了广泛研究与关注。该类方法在较为理想的诊断条件下普遍取得了良好的诊断效果,但是在实际的故障诊断情形中,仍有一些问题亟待解决。本文以高压断路器为研究对象,以振动信号为媒介,从信号特征提取与故障识别方面展开研究,针对常规机器学习算法在高压断路器实际故障诊断情形中的局限性,提出了相应的解决方案。论文主要内容及创新点如下:(1)针对高压断路器振动信号特征提取问题,提出了一种基于机构动作时间参数的特征提取方法。首先,基于短时Teager能量和短时二次方能量设计了动作事件增强参数,据此从振动信号中提取了机构动作时间参数;然后,利用所提取的机构动作时间参数对振动信号进行分段;最后,计算每段信号的能量熵作为机器学习算法的特征向量。与等时间分段和等能量分段所计算的特征向量相比,基于机构动作时间参数所计算的特征向量在空间中表现出更好的类别区分效果。(2)分析了不平衡数据(正常样本数量多于故障样本数量)和故障数据未标记(监测数据仅有正常样本或发生未知故障)两种情形对常规机器学习算法所建立的诊断模型性能的影响。实验结果表明,不平衡数据和故障数据未标记会使诊断模型性能下降,甚至出现失效情况。不平衡数据使得诊断模型偏向于正常状态,导致故障识别精度较低,且此问题随着数据不平衡程度的加重而愈加严重;故障数据未标记使得常规机器学习算法难以建立有效的诊断模型,无法识别出未被标记过的故障。基于以上两种实际故障诊断情形的分析,引出后续章节的研究。(3)针对高压断路器实际监测数据不平衡现象,提出一种过采样算法对数据再平衡。过采样算法通过合成新样本方式来增加少数类别样本数量,使得不同类别样本数量趋于平衡。然而,现有过采样算法在合成新样本时存在一定盲目性,没有充分考虑数据的分布特性,可能会导致无效合成或错误合成。为缓解此问题,本文提出一种新的过采样算法,即密度加权少数类别过采样算法(Density-weighted Minority Oversampling,DWMO)。DWMO 算法根据原始数据的分布特性,对不同区域样本设置不同的过采样权重,实现了新样本的高质量合成,有效缓解了不平衡数据所带来的分类偏差。实验结果表明,DWMO算法能够有效提高常规机器学习算法在高压断路器不平衡数据故障诊断中的诊断性能。(4)针对高压断路器不平衡数据故障诊断中,常规机器学习算法诊断精度低的问题,提出一种基于单分类极限学习机(One-class Extreme Learning Machine,OCELM)集成的不平衡数据分类算法(Multi-class Classification Algorithm Based on OCELM Ensemble,MC-OCELM)。MC-OCELM 算法中集成了多个 OCELM模型,OCELM模型数量根据训练集中类别数量自适应调整以保证每个类别均对应一个OCELM模型。训练时,MC-OCELM算法中的每个OCELM模型基于各自对应的类别单独训练。正是由于这一训练特点,MC-OCELM算法有效规避了不平衡数据的影响。实验结果表明,MC-OCELM算法在高压断路器不平衡数据故障诊断中取得了比常规机器学习算法更好的诊断效果。(5)针对高压断路器未标记故障识别问题,提出一种基于改进OCELM算法的高压断路器未标记故障识别方法。将未标记故障识别问题看作异常值检测问题,并尝试应用单分类算法解决。考虑到现有单分类算法在决策时普遍忽略了样本所在区域密度对决策边界的影响,将密度权重引入OCELM算法中,由此提出一种改进的OCELM算法,即密度加权单分类极限学习机(Denstiy-weighted One-class Extreme Learning Machine,DW-OCELM)。DW-OCELM 算法为高密度区域样本分配更高的权重,使得诊断模型倾向于拒绝低密度区域样本而尽可能接纳高密度区域样本。实验结果表明,DW-OCELM算法有效解决了高压断路器未标记故障识别问题,且取得了比其它常用单分类算法更好的未标记故障识别结果。
田立霞[2](2021)在《高铁新能源微电网规划定容及调度优化研究》文中认为面对全球气候变暖,我国提出了“碳达峰、碳中和”发展目标。交通系统作为用能大户,为加速实现“双碳”目标,近年来,相关部门制定出台了一系列能源、交通融合发展的战略与政策。高铁作为中长途运输中的主力军,近年来发展十分迅速。在高铁用电构成中,牵引用电占比最大,是碳减排的重点领域之一。高铁运营部门为积极响应国家号召,实现深度绿色交通,在保障牵引供电安全的前提下,开展了一系列新能源发电并入牵引供电系统的研究,以优化高铁用能结构,提升能源综合利用效率。高铁牵引负荷不同于生活、工业用电负荷,具有分布广、冲击性强、随机不稳定、功率大、时段特征显着、安全要求高等特征,大大地增加了新能源牵引供电理论研究与实际应用的难度。在前期各学者研究的基础上,本文根据高铁牵引负荷的特征、新能源发电出力特征及高铁沿线新能源分布情况等因素,在高铁沿线分段构建基于能源互联网技术的高铁新能源微电网,使之与沿线大电网一同为高铁牵引供电系统供电。在保障牵引供电安全的前提下,对高铁新能源微电网的规划、容量配置以及后期运行调度展开研究,最后对高铁微电网的构建及运行进行了综合效益评价。本文主要创新点包括以下几点:(1)高铁新能源牵引供电安全性测度方法研究安全是高铁运行的前提条件。牵引供电系统作为高铁运行的唯一动力来源,在高铁安全稳定运行中起着至关重要的作用。本部分中,首先介绍了高铁新能源牵引供电安全性测度的重要性;其次,分别从高铁牵引供电风险分析和新能源发电并网影响的角度出发,确定高铁新能源牵引供电风险因子;然后,结合风险因子、高铁牵引供电和新能源发电相关技术条例,建立了高铁新能源牵引供电安全测评体系;最后,根据安全测评体系,提出高铁新能源牵引供电安全系数,为后续高铁新能源微电网的构建及运行优化研究奠定基础。(2)高铁新能源微电网规划方法研究首先,通过对比分析高铁牵引功率、新能源出力及储能系统的特征,确定新能源发电采用高铁新能源微电网AT所的方式并入牵引供电系统。其次,综合高铁牵引网络分布特性及沿线风光分布情况,基于能源互联网技术,给出了“局部微电网、全国高铁微电网互联、区块链技术做监督、大电网做安全保障”的高铁新能源微电网的构建原则和基本框架,解决了传统微电网供电范围与高铁路网分布广的冲突。互联高铁新能源微电网间电能互传互济,有效平抑不稳定新能源带来的冲击,提高新能源利用率。高铁新能源微电网与沿线大电网相联,实现“自发自用、余电上网”,可保障高铁牵引供电安全,提高能源综合利用率。(3)基于安全约束的高铁新能源微电网定容模型研究首先,基于能源互联网技术,将牵引供电安全作为微电网定容模型的约束条件之一,采用多目标均衡优化理论,建立以牵引供电安全系数最大、成本最低、碳排放最少为目标的高铁新能源微电网定容模型。通过有效整合高铁线可用空闲土地面积、风光分布情况及相联高铁新能源微电网装机等资源,实现互联新能源微电网新能源装机及储能容量的优化配置,提高能源利用率,降低投资成本。其次,采用改进型量子遗传算法(IQGA)对模型求解,结果发现高铁牵引供电系统具有较好的新能源消纳潜力。(4)基于安全约束的高铁新能源微电网调度模型研究首先,以牵引供电安全、优先消纳新能源电力为指导,提出了高铁新能源微电网安全调度的基本原则;其次,根据牵引负荷特征,在牵引供电安全的约束下,对互联高铁新能源微电网牵引供电系统进行“源-网-车-储”多环节互动调节,采用多目标优化理论,建立以牵引供电安全系数最大、成本最低、碳排放最少为目标的高铁新能源微电网调度模型,可提高互联微电网各环节能量综合利用率、牵引供电质量和安全可靠性;最后,采用IQGA对模型进行求解,发现互联高铁新能源微电网的运行成本低于不互联模式。
李欢欢[3](2021)在《水轮发电机组安全评价及其调节特性对互补发电效益影响研究》文中研究指明在电力低碳转型大背景下,水轮发电机组(常规水轮发电机组和水泵水轮发电机组)作为稳定灵活性资源将消纳更多风光可再生能源。受电力负荷峰谷差与自身水-机-电耦合特性的双重影响,水轮发电机组将面临更为频繁的过渡过程,顶盖振动、导轴承摆度及尾水压力等指标参数剧烈变化,严重威胁机组安全运行及调能效果。本文以揭示水轮发电机组过渡过程复杂水-机-电耦合关联机制与解析多指标参数复杂波动变化背后潜在风险规律为关键科学问题,构建水轮发电机组动态安全评价新框架,并将水轮发电机组动态调节特性纳入高比例可再生能源入网的现实情景下,进一步优化机组互补性能与互补效益,取得以下三方面研究成果。1.围绕揭示水轮发电机组过渡过程复杂水-机-电耦合关联机制这一关键科学问题,克服传统水轮机调节系统模型、轴系模型或抽蓄电动机模型不能全面描述机组水-机-电耦合特性的缺陷,探究子系统耦合切入点,建立两类机组过渡过程水-机-电耦合模型并深入研究机组动态稳定性。主要包括:(1)针对一管两机常规水轮发电机组,由水轮机力矩推求转轮水力不平衡力,以水力不平衡力为切入点耦连发电机不平衡磁拉力、阻尼力、碰摩力及水导轴承非线性油膜力,使水力系统与机电耦合系统紧密联系,利用特征线法求解引水管-尾水管传递函数、四阶龙格库塔法求解轴系受力方程,建立水轮机调节系统与轴系耦合统一模型,将可靠性验证后的耦合统一模型应用于开机稳定性分析,研究主要运行或结构参数对机组振动特性影响规律,优化主要参数取值,从而使机组能够以最经济、操作最简便的优化方式提高过渡过程稳定性。结果表明:转子振幅与自调节系数关系可用二次方程近似描述,转子振幅与转轮进出口直径比关系可用五次方程近似描述;轴承离心率对开机振动失去响应的临界数量级趋近于1×10-6,转轮进出口直径比最优取值趋近于0.8,自调节系数最优取值趋近于3。(2)针对一管两机水泵水轮发电机组,将其抽水调相运行时水压扰动等异常变化等效为高斯随机型或阶跃型外部激励,以“外部激励影响有功输出,有功输出影响无功特性”为切入点耦连水力系统与机电耦合系统,利用特征线法求解复杂管道传递函数并基于Matlab/Simulink模块耦合励磁装置及抽蓄电动机模型,建立完整水泵水轮发电机组多机调相仿真模型。利用可靠性验证后的仿真模型研究外部激励作用下进相与迟相转化机制及多机间无功流动特性,并结合工程案例提供调相机跳机情景下的风险缓解建议。结果表明:一台机组受到外部激励时,易导致并行机组进相深度减小甚至转迟相运行;阶跃激励比高斯随机激励对进相与迟相转化行为影响更大;阶跃激励较大时,励磁电流辅助调节作用可适当缓解调相不稳定性。2.围绕解析多指标参数复杂波动变化背后潜在风险规律这一关键科学问题,克服子系统耦合复杂性造成风险特征提取和风险表现归类困难问题,提出利用动态风险量化方法深入挖掘两类机组过渡过程指标参数间及与运行风险间关联规律的新思路。(1)为准确界定常规水轮发电机组不推荐运行区、且缓解推荐运行区风险问题,基于理论修正的顶盖振动、导轴承摆度及尾水压力等动平衡实验关键指标参数,利用动态熵改进模糊集评价方法与灰色关联评价方法,提出动态熵-模糊集风险评价方法与灰-熵关联动态风险评价方法深入挖掘不推荐运行区与推荐运行区关键指标参数潜在风险规律,以概率形式量化机组实时风险度,提取高风险指标参数并对危险度排序。结果表明:机组不推荐运行区可从0 MW~121 MW缩减至0 MW~100 MW,将为灵活性调度增加21 MW可调容量。推荐运行区内不同水头下指标参数危险度排序存在明显差异,证明不同运行水头下定位的高风险部件将各有侧重。(2)为缓解水泵水轮发电机组水轮机工况甩负荷过渡过程运行风险,考虑导叶直线关闭和球阀-导叶联动关闭两种方式,利用训练数据和相应风险判别准则改进传统Fisher判别法,提出基于Fisher判别的动态风险评价方法深入挖掘甩负荷过程水轮机流量、转速、尾水压力及蜗壳压力等关键指标参数风险演化特征,量化各工况点下机组运行风险概率。结果表明:导叶直线关闭和球阀-导叶联动关闭方式下机组不稳定运行概率分别为0.23和0.16,说明导叶直线关闭方式下机组甩负荷后会出现包括水锤压力在内的严重稳定性问题,若不优化导叶关闭方式,长期运行将造成部件疲劳损伤;两种关闭方式下机组风险演化特征均呈现双峰特性,其中第1波峰发生于甩负荷初期,而第2波峰发生于甩负荷后期;球阀辅助关闭的加入对机组第1波峰运行风险缓解作用极小,但可显着降低第2波峰风险概率。3.围绕高比例可再生能源入网严重威胁水轮发电机组安全运行及调能效果这一现实情景,克服现有经济目标函数缺乏对灵活性水电机组调节成本量化的缺陷,构建超调量、上升时间、调节时间及响应峰值等水电机组动态调节性能指标以衡量PID控制参数、能源配比及传输线路布置优化对水光互补系统稳定运行优化作用。进一步地,以水风互补系统为研究对象,提取高敏感性超调量指标量化水电机组动态调节成本,综合考虑电能损失成本、投入成本及售电利润等较完备的投入-产出费用因子,提出以成本-利润为目标函数的水风互补发电效益评价方法,研究风速类型、容量配比及市场电价波动对互补发电效益作用机制。结果表明:当风电接入比例超54.5%时,最不利风速条件下风力发电效益将反超水力发电效益;分时电价每天捕获的互补系统总发电效益比固定电价效益要高出1万元左右。
吕明珠[4](2021)在《风力机高速轴轴承状态退化评估与剩余寿命预测方法研究》文中提出随着全球能源短缺和环境污染的加剧,风能作为一种储量丰富、清洁安全的可再生能源受到了人们的高度关注,风力发电是风能利用的最有效途径,近年来呈迅猛发展的趋势。风力机各部件的状态退化评估与剩余寿命预测是直接影响风电场可用度和经济效益的两个重要因素,逐渐成为风电领域的重要研究课题。传动系统是风力机的核心部分,轴承是传动系统的关键元件,一旦发生故障会导致整个传动系统运行失效,因此,对风力机轴承进行状态监测和故障预测具有重要的工程意义。状态监测的主要目的是判断轴承的健康状况,以便于及时处理已经发生或即将发生的故障,保证运行的可靠性和降低维修成本。风力机轴承运行工况复杂、个体差异明显、维护维修困难,现有的退化评估和故障预测无法满足风电行业对风力机健康状态管理的需求。本文提出了信号处理、特征提取、跨域诊断、状态识别、寿命预测“五位一体”的智能运维模式,研究了风力机轴承的状态退化评估与性能趋势预测方法,构建了跨机器故障诊断深度迁移学习网络,提出了有效的早期退化检测方法,实现了退化过程的跟踪和在线剩余寿命预测,建立了多源信息融合的新型预测模型。本研究围绕风力机高速轴轴承的退化评估与剩余寿命预测的关键理论和方法进行了深入探索,主要内容包括:(1)针对轴承运行状态难以划分和性能趋势预测准确度不高的问题,提出了两种方法,分别为基于变分模态分解-自适应模糊C均值-支持向量机(VMD-AFCM-SVM)的状态退化评估方法和改进的LSTM性能趋势预测方法。其中的VMD-AFCM-SVM算法采用相对特征建立敏感特征数据集,利用聚类评价指标构造自适应函数,实现了模型聚类结果的自动更新,获得了轴承运行过程中的最佳状态数,确定轴承在不同状态退化下的时间间隔,实现轴承的健康等级评估。此外,提出的改进LSTM方法是一种基于误差最小化的实时参数更新方法,能够在样本数据较少的情况下在线更新模型,解决了传统的LSTM模型不能合理利用在线数据的问题,以辛辛那提大学IMS提供的全寿命轴承数据集和实际风力机高速轴轴承数据集为例,验证了所提方法的有效性。(2)针对实验室轴承故障诊断技术泛化能力不强和真实轴承故障数据标记困难的问题,提出了一种新型的适用于跨机器故障诊断的方法叫做具有多核动态分布适配的深度迁移网络,所提的深度迁移网络具有宽的第一层卷积核和几个小的卷积层,用于提取不同机器之间的可迁移特征,同时抑制高频噪声。然后,使用多核动态分布适配方法构造一个加权混合核函数,将不同的可转移特征映射到统一的特征空间,并动态评估边缘分布和条件分布的相对重要性。通过三个轴承迁移学习任务验证了该方法的有效性,利用两个不同的实验室轴承的诊断知识来识别真实情况下的风力机轴承的健康状态。结果表明,与其它主流方法相比,即使在不同的噪声环境下该方法仍可以获得较高的诊断精度和较好的迁移性能,所提框架为跨机器故障诊断提供了一种有发展前景的方法。(3)针对轴承微弱故障特征易受噪声干扰且退化起始点难以确定的问题,提出了一种基于自适应变分模态分解和包络谐噪比的滚动轴承早期退化检测方法。首先,采用灰狼优化算法自适应地获得变分模态分解的分解层数和二次惩罚因子,以最小平均包络熵为目标函数获得最佳参数组合。其次,通过引入有效加权稀疏峭度指数实现了有效模态分量和噪声模态分量的分离,使重构后的信号滤除了干扰而保留了故障信息。最后,计算了重构信号的包络谐噪比,利用其对周期性故障冲击的敏感性实现了滚动轴承早期退化起始点的检测。(4)针对传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命预测准确度不高的问题,提出了基于包络谐噪比和无迹粒子滤波相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的包络谐噪比监测轴承的早期退化点并提取其趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,再利用无迹粒子滤波算法更新模型参数,实现对轴承状态退化的跟踪和预测。使用实际风力机轴承监测数据对所提方法进行验证,结果表明该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。(5)针对单一信号源不能全面反映风力机轴承动态退化信息从而影响剩余寿命预测准确性的问题,提出了一种振温信号协同的新型广义对数线性威布尔剩余寿命预测模型。该模型通过构造协变量的形式综合考虑了振动和温度监测信号对轴承劣化的影响,所提预测方法共分两个阶段。在特征提取阶段,从监测的振动信号中提取相对均方根,并从监测的温度信号中提取相对温度趋势值,以消除轴承的个体差异和随机信号波动。然后,引入模糊算子来描述“轴承过热”和“轴承过度振动”的程度,解决了不同故障下两种特征变化不同步的问题。在剩余寿命预测阶段,提取的振动和温度模糊算子均用于建立预测模型,使用最大似然估计方法获得模型的最佳参数。再通过均方根误差和平均绝对百分比误差两个指标来度量模型的预测性能。
谢鲁冰[5](2021)在《海上风电机组动态机会成组维修策略的研究》文中研究说明我国海岸线辽阔,海上风能资源丰富。海上风电机组距离电力负荷中心近,接入条件好,具有良好的大规模发展前景。当前,我国海上风电产业已由起步阶段步入快速发展期,虽然在海上风电机组的设计制造和建设方面积累了经验,但因海上风电机组故障率高,运维难度大,现阶段仍缺乏海上风电场运维技术方面的系统研究。作为运维技术研究的关键环节,维修策略研究能够进一步提高机组可靠性及维修可达性,起到提高海上风电场能效水平的作用,这对进一步促进海上风电产业的节能降耗具有重要的理论价值和工程实践意义。针对海上风电机组维修策略研究的关键技术问题进行了系统研究,主要研究内容如下。(1)开展了海上风电机组的可靠性分析方法研究。通过分析海上风电机组故障数据采集的重要性与局限性,针对机组故障数据有限的情况,构建了基于三参数威布尔分布的海上风电机组故障预测模型,研究了三参数威布尔分布模型的参数估计方法,在双线性回归参数估计方法的基础上引入中位数的概念,有效避免了因故障数据有限所造成的估计失真问题。通过算例对所构建的模型进行验证,结果表明,较之采用二参数威布尔分布的故障模型,采用三参数威布尔分布故障模型得出的失效率曲线与机组实际故障率拟合程度更高,可作为海上风电机组维修策略研究的技术基础。(2)研究了海上风电机组维修天气窗口时间的预测问题。基于海上风浪数据和维修任务的分级规则,采用排队理论对机组维修等待时间进行了研究。在剖析α修正因子天气窗口预测方法基础上,通过引入维修任务故障率的方法降低了人为主观因素对天气窗口预测的误差。研究结果表明,该预测方法能够进一步挖掘维修船舶等维修资源的性能空间,起到合理延长维修天气窗口时间作用,为海上维修的时间预测提供了技术依据。(3)引入海上维修天气窗口时间检验因素,并考虑海上风电机组多部件维修的相关性,构建了海上风电机组动态机会成组维修策略的数学模型,通过算例得出了预防性维修周期内的最优维修间隔时间及维修组合方案。结果表明:同时考虑经济相关性和结构相关性的动态机会成组维修策略,能够更加充分地利用海上维修窗口时间,进一步降低系统维修费用,结构相关性系数越大,组合中部件数量越多,费用节约效果愈加明显。(4)从海上风电场能效分析角度出发,对所构建的海上风电机组动态机会成组维修模型进行实例验证。分析了海上风电机组能效损失机理并提出了各项能效指标,研究了海上维修不可达性对机组能效损失的影响,针对海上风速与浪高的预测方法,将马尔科夫链预测方法与经验公式推导法进行了对比分析,验证了马尔科夫链预测方法在海上浪高预测方面的精准性。以海上风电场机组群为研究对象,通过江苏某海上风电场作为实例验证了维修模型的有效性,结果表明,海上风电场年平均上网电量提高了5.09%,停机次数降低了24.05%,维修费用降低了9.04%。
佟哲[6](2020)在《矿用带式输送机托辊远程故障诊断方法研究》文中提出托辊作为在矿业生产中具有枢纽位置的矿用带式输送机的核心部件,其发挥着支撑传输带和降低传输阻力等重要作用。作为矿用带式输送机关键的旋转机构,托辊在连续高负荷的运转后难免发生相应的机械故障。托辊发生故障后产生的皮带撕裂及皮带燃烧将直接影响矿用带式输送机的正常连续运输,而其故障引起的链式反映会对整个煤矿开采带来安全威胁。长距离的运输、庞大数量的托辊以及恶劣的工况使得日常巡检和定期维护不仅浪费大量的人力和物力,而且存在增加已经严重退化部件超期服役的风险。因此,需要对矿用带式输送机托辊进行远程故障诊断,通过信号处理方式分析监测参数及时诊断出是否出现故障,从而合理的安排检修活动,降低时间、人力及物力成本,确保矿用带式输送机运行的可靠性和安全性。本课题来源于国家自然科学基金项目“基于多时间尺度模型的变工况大型旋转机械健康管理研究”(项目编号:51475455),以矿用带式输送机托辊为研究对象,结合测量技术、信号处理技术、特征提取算法以及模式识别方法,开展基于振动信号的量化误码特性、多数据流传输策略和故障模式识别方法的研究,以期形成基于振动信号分析的矿用带式输送机托辊远程故障诊断技术,为矿用带式输送机的安全运行提供理论支撑和技术解决方案。主要研究内容包括:(1)根据托辊故障信号特点,在分析均匀量化机理基础上,利用傅里叶变换方法,建立了托辊故障信号量化误差模型,涉及的指标包括量化误差及量化误差平方、量化误差一阶矩及二阶矩、量化误差功率谱及理论量化信噪比;基于二进制编码及吉尔伯特-艾略特误码原理,构建了托辊故障信号误码模型,涉及指标包括误码编码一阶矩和误码误差一阶矩;揭示了量化误差和误码误差对故障信号的影响,为量化和误码存在下的故障振动信号分析提供了理论基础。(2)针对矿用带式输送机托辊远程故障诊断中涉及的多传感器采集数据传输问题进行了研究。在分析多传感器故障敏感性差异基础上,提出了无丢包条件下基于优先级的多数据流传输策略;在分析了丢包对故障信号频谱影响的基础上,提出了基于丢包干扰激励的重传机制;解决了远程故障诊断中如何传输多传感器采集数据问题,降低了远程诊断成本,提高了远程诊断效率。(3)在分析托辊数据变工况条件下域间特征分布差异的基础上,受迁移学习的启发,提出了基于领域适配可迁移特征的变工况诊断方法和基于领域适配迁移学习的变工况故障诊断方法,利用提取的可迁移特征和域不变可迁移特征降低了托辊故障数据域间分布差异,提高了诊断模型泛化能力,改善了变工况故障诊断性能。(4)搭建了矿用带式输送机托辊实验平台,包括托辊故障模拟实验台及矿用带式输送机模拟故障实验台。然后,利用上述实验台托辊真实数据对前文所述的远程故障诊断方法有效性进行验证和评估。大量实验结果表明:提出的远程故障诊断方法可实现矿用带式输送机托辊远程故障诊断。论文最后对全文工作进行了总结,并对课题未来研究方向进行了展望。该论文有图130幅,表41个,参考文献217篇。
杨楠[7](2020)在《汽轮机智能诊断与健康管理关键技术研究》文中研究说明随着“中国制造2025”、“互联网+”、“新一代人工智能发展规划”等国家战略的提出,在人工智能技术的推动下,智慧电厂成为能源企业未来趋势。智能诊断与健康管理(Intelligent Diagnosis and Health Management,IDHM)技术,更是需要新一代人工智能技术的融入,用以辅助提高电厂对设备运行、诊断、维护的效率。当前关于故障诊断与维修决策的相关研究繁多,且各有特点。另一方面,又缺乏针对复杂系统构建IDHM技术体系的研究。导致当前各种新技术、新方法不能有效的被电厂认识和应用。由其是对汽轮机这类重大设备,其本身具有故障模式复杂、监测信息少、故障样本稀缺、诊断知识祭奠丰富等特点,需要有针对性的运用IDHM技术解决传统问题,同时,灵活的运用经验知识使IDHM技术更具智慧。因此,本文立足于IDHM是辅助运维人员发现异常、排除故障、降低风险的初衷,以汽轮机组这类重大设备为例,在总结其故障诊断难点问题的基础上,开展综合利用经验知识和机器学习的IDHM关键技术研究。首先,结合汽轮机组故障诊断与维护过程中经验知识依赖性强、知识重用性高、知识数据非结构化等特点,基于设备树分析、故障模式与影响分析和故障树分析方法,总结了故障机理的分析方法和步骤。基于知识图谱和本体理论,对具有复杂关系结构的诊断知识,提出了故障诊断知识图谱的构建流程。并以核电汽轮机例,建立了故障诊断知识图谱。通过采用知识图谱对诊断知识进行存储和表达,减少了系统中知识数据的冗余,提高了IDHM系统对知识数据的管理效率。其次,在总结汽轮机故障诊断常用的状态数据故障特征的基础上,对趋势型征兆和频谱型征兆的识别方法进行了研究。提出了一种与经验相结合的序列数据趋势特征量化方法,弥补了以往汽轮机故障诊断中对趋势型征兆识别方法的不足。基于汽轮发电机组振动故障发生时,激振力在非线性系统中传播的原理,提出了一种基于提取振源方向的频谱识别方法,相比传统方法,频谱识别准确率得到较大提高。本文基于汽轮机故障机理知识开展的征兆识别方法研究,弥补了当前汽轮机故障诊断中对趋势型征兆和频谱识别的不足,有助于IDHM系统实现自动征兆识别,提高系统诊断效率。再次,为了弥补征兆识别方法存在误报率和漏报率的情况,以及机器学习方法无法进行知识推理,得到故障原因和维修建议的缺陷,本文对故障隔离、故障诊断和故障严重程度评估方法进行了研究。本文提出了基于图数据库搜索技术的故障隔离方法,以解决由于测点冗余、征兆信息过剩、诊断知识重用造成的诊断目标范围过大的问题。通过故障隔离,也极大的缩小了后续故障诊断的目标范围。为进一步推理故障发生可能性,在提出故障因果网络概念的基础上,将知识图谱中的故障诊断知识转化为可进行模糊推理的贝叶斯网络(Bayesian Network,BN)诊断模型。基于在线征兆和人工排查信息实现了诊断系统与维修人员工作的交互式推理。为综合评估设备当前运行风险水平和优化故障排查顺序,提出了故障链严重程度计算方法,从多个角度综合评估诊断网络中的可能故障链,使维修建议可在较少维修次数下快速降低设备运行风险水平。最后,本文在上述研究的基础上,通过对核电汽轮机IDHM样机系统的开发,设计和开发了 IDHM系统的架构、数据仓库以及各主要功能,使各项技术在功能和数据流转方面得以有效的融合。通过样机系统的开发与测试,验证了本论文研究内容的可行性与有效性。
陈斌[8](2019)在《电视播控管理系统的设计与实现》文中认为在科技飞速发展的当今社会,广电行业的发展主流已经由标清化、数字化向高清化、网络化转变。本文围绕着作者参加的江苏广电总台近年来推行的对现有播控系统的高清化改造工程的实践,对电视播控系统包含电视播总控系统、全台网监控系统、播出系统这几个方面的建设,进行了进一步的梳理,阐释了新一代电视播控系统的建设和发展。力求打造出一套包含全台媒资信息系统、演播室系统、总控系统在内的全程高清化采编播存、全台资源互通互联共享的电视中心技术平台。本文的主要工作要点如下:(1)对播出系统整体架构进行重新规划调整,简化硬盘播出系统,实现通过工作流引擎驱动备播业务,在提高安播保障水平的同时能够快速应对业务的变化。(2)新建最小云备播系统,将图文、台标、系统切换等功能进行了一键集成这样便于值班人员一键控制,大大提高了整个播控系统的安全性,一旦出现问题,系统立即可以响应,使用云播出软件,作为播出系统的应急单元,在播出系统不能正常工作时接管播出业务。(3)新建末级信号智能监管和应急辅助系统,通过对主路、备路、最小备播及垫片四路末级信号进行采集比对,使用智能分析手段,完成应急信号源选择智能化和自动化。(4)完善播控系统网络及信息安全,规范远程桌面登录和网络设备访问,确保播出系统网络安全。
程佳[9](2019)在《地铁制动系统测试试验台设计》文中指出城市轨道交通作为一种安全、快捷的大流量交通工具被我国大中型城市广泛应用,由于城市轨道交通具有载运量大、客流量集中的特点,所以列车各个关键系统的安全性和可靠性已然成为了各城市地铁运营公司安全工作的重中之重。而其中列车制动系统更是关系到无数人民群众的生命安全,必须保证它在列车运行过程中安全可靠地工作。对列车制动系统进行定期的检修和维护可以很大程度的降低列车事故发生率。所以设计出高效稳定的制动系统性能测试试验台对列车的运行安全至关重要。本论文对地铁车辆中HRDA型数字模拟式电空制动系统的作用过程和工作原理进行研究,在详细分析列车制动系统及其制动控制装置工作原理的基础上提出了地铁车用电子制动控制单元及单车制动二合一试验台的设计方案,通过硬件设计与选型及上位机软件程序设计,实现了对电子制动控制单元和单车制动控制装置性能的检测。根据设计方案,试验台硬件主要实现控制功能和检测功能。控制功能由工控机、制动测试控制单元、信号处理单元等实现。检测功能由工控机、数据采集卡、信号处理器、压力传感器等实现。制动测试控制单元通过高标准的航空插头等连接器与外部测试设备连接,测试单元可以是单车或者制动控制单元。制动测试控制单元输出控制信号给工控机,同时接收信号处理单元采集到的外部测试设备输出的脉冲信号。运行在工控机上的上位机软件,主要负责人机交互。根据试验规程要求,试验台对单车制动装置及电子制动控制单元进行一系列自动试验,最后根据相关标准对试验结果评判后生成试验记录文件。完成软件和硬件设计后,使用本试验台进行现场试验的方式,分别测试地铁车辆的电子制动控制单元和单车制动系统,成功实现列车制动系统性能的测试。
王双园[10](2017)在《风力机健康状态监测及评估关键技术研究》文中进行了进一步梳理风力机是复杂的机电一体化装备,需要高效的监测维护系统来保障其服役的安全性、可靠性和经济性。由于风力机服役工况复杂、环境严酷、维护困难,现有的状态监测与评估理论不能满足风电产业对风力机近零故障运行的需求。基于设备状态的智能维护策略,利用计算机技术对机械设备运行状态进行实时评估和预测,可以实现低成本高效率的预防性维护。基于设备状态的预防性维护,需要用到大量的数据及数据分析理论和方法,涉及到高效的数据获取、复杂工况下信号特征的提取、状态性能的表征方法和维护方案的智能决策等难题。本文提出了物理风场、镜像风场和试验风场“三场合一”的实时协同,实况在环仿真与诊断预测新模式。研究了互评估群诊断理论下风力机异常状态检测与预测方法;提出了用于振动信号特征提取的结构化判别稀疏编码方法;利用深度置信网络和隐马尔可夫模型建立了状态评估与预测系统,构建了完整的智能维护平台原型。本研究围绕风力机健康状态评估与预测的关键理论和方法进行了深入探索,主要研究内容包括:(1)针对风力机结构庞大、参数不易获取和多结构交互耦合难以建模的问题,提出了一种高效的三质量块等效弹性阻尼模型。将风力机塔筒以上系统等效为单一质量块,塔筒简化为欧拉梁,地基与塔筒之间的交互作用通过水平弹性刚度和旋转弹性刚度等效代替,将叶片的舞动等效为外力作用的一部分,并给出了模型的动力学方程和边界条件,通过数值分析求解了系统动态响应特性,获取了系统固有频率及其与模型中刚度系数的关系。(2)针对复杂工况下风力机的异常状态难以准确检测与预测问题,提出了一种基于互评估群诊断的异常检测与预测方法。基于风力机的功率曲线和停机事件时间记录信息,利用分级统计方法提取了功率曲线四分位单边归一化功率分布;提出了一种用于计算风力机停机事时间记录信息间距离的多区间数据不相似性度量方法;利用线性混合自组织映射神经网络对风力机状态特征进行分类;提出了一种特征变化累积趋势差分法,用于预测风力机的异常和故障。(3)针对机械系统中的振动信号特征提取和性能表征问题,提出了结构化费舍尔判别稀疏编码模型。利用结构化的费舍尔判别稀疏编码方法学习得到结构化的信号字典,再根据树结构化的稀疏分解方法提取不同状态下具有判别表征信息的振动信号特征。分别在轴承和蜗轮的故障实验中验证了方法的性能、效率和泛化能力。(4)针对机械的状态由于维护更新零部件而造成状态和退化历程突变和大数据分析问题,提出了基于事件自适应的深度置信网络—隐马尔可夫模型(EA-DNN-HMM)。利用深度学习网络对风力机状态数据进行多层次化抽象表达,以风力机状态概率分布作为网络学习的目标,对状态分布的序列建立隐马尔可夫模型,并引入了事件自适应的状态初始化更新方法来评估和预测风力机的健康状态。在实际应用中,对风力机健康状态的分类精度为78.98%,单步预测精度为94.55%。(5)针对风力机历史数据积累匮乏和数据采集困难问题,提出物理风场、镜像风场、试验风场的“三场合一”的信息协同获取的新方法,利用Matlab-Simulink平台,结合台架实验数据和现场采集到的数据,建立了虚拟镜像风力机,实现了信息的互补和历史数据库的加速完备,构建了风力机状态评估与预测验证系统,形成了风力机故障预示和健康评估理论体系,为大型风力机的安全、健康、稳定运行奠定理论和技术基础。
二、HP MC/ServiceGuard的维护及故障检修方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、HP MC/ServiceGuard的维护及故障检修方法(论文提纲范文)
(1)高压断路器振动信号特征提取及故障诊断方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 高压断路器结构及类型 |
1.3 高压断路器状态监测与故障诊断国内外研究现状 |
1.3.1 信号采集与分析 |
1.3.2 高压断路器故障诊断方法 |
1.4 本文主要研究内容 |
第2章 基于机构动作时间参数的高压断路器振动信号特征提取方法 |
2.1 引言 |
2.2 实验平台及其工作原理 |
2.3 振动信号中提取机构动作时间参数方法 |
2.3.1 Teager能量算子 |
2.3.2 短时能量比 |
2.3.3 定位时间参数 |
2.4 故障模拟与信号测量 |
2.5 振动信号中提取机构动作时间参数结果分析 |
2.6 特征向量提取 |
2.7 本章小结 |
第3章 不平衡数据及故障数据未标记对故障诊断模型的影响分析 |
3.1 引言 |
3.2 核极限学习机算法 |
3.3 理想条件下故障诊断结果分析 |
3.4 不平衡数据对故障诊断模型的影响分析 |
3.5 故障数据未标记对故障诊断模型的影响分析 |
3.5.1 无故障样本数据 |
3.5.2 发生未知故障 |
3.6 本章小结 |
第4章 基于数据过采样的高压断路器不平衡数据故障诊断方法 |
4.1 引言 |
4.2 SMOTE类过采样算法局限性分析 |
4.3 DWMO算法 |
4.4 实验验证 |
4.4.1 DWMO算法在KEEL数据集分类中的应用 |
4.4.2 DWMO算法在高压断路器不平衡数据故障诊断中的应用 |
4.5 本章小结 |
第5章 基于单分类极限学习机集成的高压断路器不平衡数据故障诊断方法 |
5.1 引言 |
5.2 OCELM算法 |
5.3 MC-OCELM算法 |
5.4 实验验证 |
5.4.1 MC-OCELM算法在KEEL数据集分类中的应用 |
5.4.2 MC-OCELM算法在高压断路器不平衡数据故障诊断中的应用 |
5.5 本章小结 |
第6章 基于改进单分类极限学习机的高压断路器未标记故障识别方法 |
6.1 引言 |
6.2 DW-OCELM算法 |
6.3 实验验证 |
6.3.1 DW-OCELM算法在KEEL数据集异常检测中的应用 |
6.3.2 DW-OCELM算法在高压断路器未标记故障识别中的应用 |
6.4 本章小结 |
第7章 结论与展望 |
7.1 研究结论 |
7.2 创新点 |
7.3 研究展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(2)高铁新能源微电网规划定容及调度优化研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 实际意义 |
1.3 国内外研究现状 |
1.3.1 高铁供电安全研究现状 |
1.3.2 新能源发电并入牵引供电系统研究现状 |
1.3.3 基于能源互联网的微电网定容研究现状 |
1.3.4 基于能源互联网的微电网调度研究现状 |
1.4 研究思路及主要研究内容 |
1.4.1 研究思路 |
1.4.2 主要研究内容 |
1.5 创新点 |
第2章 高铁新能源微电网及相关基础理论 |
2.1 高铁供电理论 |
2.1.1 高铁供电系统基本架构 |
2.1.2 牵引供电原理 |
2.2 高铁新能源微电网牵引供电 |
2.2.1 可行性及必要性 |
2.2.2 高铁新能源微电网牵引供电的特殊性 |
2.2.3 重点研究内容 |
2.3 相关理论基础 |
2.3.1 牵引供电安全理论 |
2.3.2 定容优化理论 |
2.3.3 调度优化理论 |
2.3.4 多目标优化理论 |
2.4 本章小结 |
第3章 高铁新能源牵引供电安全性测度方法研究 |
3.1 高铁新能源牵引供电安全性测度的重要性 |
3.2 风险识别 |
3.2.1 历史电力机车故障分析 |
3.2.2 新能源发电并网的影响 |
3.2.3 风险因子 |
3.3 高铁新能源牵引供电安全性测度 |
3.3.1 高铁新能源牵引供电安全测评体系 |
3.3.2 高铁新能源牵引供电安全系数 |
3.4 本章小结 |
第4章 高铁新能源微电网规划方法研究 |
4.1 新能源发电并入牵引供电系统的并入方式 |
4.1.1 特征分析 |
4.1.2 并入方式的选取 |
4.2 高铁新能源微电网的构建原则 |
4.3 高铁新能源微电网的基本架构 |
4.4 建立高铁新能源微电网的核心技术 |
4.4.1 能源互联网技术 |
4.4.2 区块链技术 |
4.5 本章小结 |
第5章 基于安全约束的高铁新能源微电网定容模型研究 |
5.1 高铁新能源微电网定容主要相关因素分析 |
5.1.1 新能源发电预测 |
5.1.2 牵引负荷预测 |
5.2 “源-源-储”互动调节机制 |
5.3 基于安全约束的高铁新能源微电网定容模型 |
5.3.1 MOPEC模型框架 |
5.3.2 目标函数 |
5.3.3 约束条件 |
5.4 基于改进型量子遗传算法求解 |
5.4.1 量子遗传算法基本原理 |
5.4.2 改进型量子遗传算法基本原理 |
5.4.3 改进型量子遗传算法流程 |
5.5 算例仿真 |
5.5.1 输入数据 |
5.5.2 参数设置 |
5.5.3 结果分析 |
5.6 本章小结 |
第6章 基于安全约束的高铁新能源微电网调度模型研究 |
6.1 高铁新能源微电网调度的基本原则 |
6.1.1 高铁“源-网-车-储”多环节互动机制 |
6.1.2 情景分析 |
6.2 基于安全约束的高铁新能源微电网调度模型 |
6.2.1 目标函数 |
6.2.2 约束条件 |
6.2.3 模型求解 |
6.3 算例仿真 |
6.4 本章小结 |
第7章 高铁新能源微电网综合效益评价模型研究 |
7.1 高铁新能源微电网综合效益评价指标体系 |
7.1.1 评价指标体系构建原则 |
7.1.2 评价指标体系的构建 |
7.2 高铁新能源微电网综合效益评价模型基本理论 |
7.2.1 模糊神经网络 |
7.2.2 模糊神经网络原理 |
7.3 高铁新能源微电网综合效益评价模型 |
7.3.1 模型的构建 |
7.3.2 模型评价过程 |
7.4 算例仿真 |
7.4.1 数据预处理 |
7.4.2 模型求解 |
7.4.3 结果分析 |
7.5 本章小结 |
第8章 结论与展望 |
8.1 研究结果与结论 |
8.2 展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(3)水轮发电机组安全评价及其调节特性对互补发电效益影响研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 水电在我国能源结构中的战略地位 |
1.3 水轮发电机组安全评价综述 |
1.3.1 常规水轮发电机组过渡过程模型与稳定性分析 |
1.3.2 水泵水轮发电机组过渡过程模型与稳定性分析 |
1.3.3 两类水轮发电机组过渡过程风险分析 |
1.4 水风光多能互补性优化及经济效益评估综述 |
1.4.1 多能互补性优化 |
1.4.2 多能互补经济效益评价 |
1.5 研究内容与技术路线 |
1.5.1 研究内容 |
1.5.2 技术路线 |
第二章 常规水轮发电机组开机过渡过程建模与稳定性分析 |
2.1 引言 |
2.2 开机特性 |
2.3 水轮发电机组基本模型 |
2.3.1 水轮机调节系统模型 |
2.3.2 轴系模型 |
2.4 水轮机调节系统与轴系耦合统一新模型 |
2.4.1 水轮机调节系统与轴系耦合模型的建立 |
2.4.2 参数设置 |
2.4.3 模型验证 |
2.5 常规水轮发电机组开机稳定性分析 |
2.6 本章小结 |
第三章 水泵水轮发电机组抽水调相建模与稳定性分析 |
3.1 引言 |
3.2 抽水调相工况特性 |
3.3 抽水调相运行理论 |
3.3.1 抽水调相运行迟相与进相基本理论 |
3.3.2 多机进相运行稳定性理论 |
3.4 水泵水轮发电机组仿真模型 |
3.4.1 多机系统抽水调相模型的建立 |
3.4.2 模型验证 |
3.5 水泵水轮发电机组抽水调相运行稳定性分析 |
3.5.1 励磁电流作用下多机调相运行稳定性分析 |
3.5.2 外部激励作用下迟相与进相运行转化机制分析 |
3.6 抽水调相风险情景下的运行建议 |
3.7 本章小结 |
第四章 水轮发电机组典型过渡过程运行风险分析 |
4.1 引言 |
4.2 常规水轮发电机组不推荐运行区动态风险分析 |
4.2.1 试验机组参数设置与运行区初步界定 |
4.2.2 动平衡实验与初步分析 |
4.2.3 动态熵-模糊集风险评价方法 |
4.2.4 不推荐运行区优化与动态风险分析 |
4.3 常规水轮发电机组推荐运行区动态风险分析 |
4.3.1 试验机组概况与运行水头设置 |
4.3.2 动平衡实验与初步分析 |
4.3.3 灰-熵关联动态风险评价方法 |
4.3.4 推荐运行区动态风险分析 |
4.4 水泵水轮发电机组水轮机工况甩负荷过渡过程风险分析 |
4.4.1 甩负荷过渡过程导叶及球阀-导叶联动关闭规律 |
4.4.2 数据来源 |
4.4.3 基于Fisher判别的动态风险评价方法 |
4.4.4 考虑导叶-球阀联动关闭的水泵水轮发电机组风险分析 |
4.5 本章小结 |
第五章 水风光混合系统互补性能与发电效益优化研究 |
5.1 引言 |
5.2 水光混合系统互补性能优化研究 |
5.2.1 动态调节性能指标 |
5.2.2 水光互补发电模型 |
5.2.3 算例分析 |
5.3 水风混合系统互补发电效益优化研究 |
5.3.1 基于成本-利润的互补发电效益评价方法 |
5.3.2 水风互补发电仿真模型 |
5.3.3 互补性验证 |
5.3.4 算例分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
附录 A 其他指标隶属度函数 |
附录 B 参数表 |
致谢 |
个人简历 |
(4)风力机高速轴轴承状态退化评估与剩余寿命预测方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景 |
1.1.1 风力机的主要故障模式 |
1.1.2 风力机轴承 |
1.2 状态退化评估与剩余寿命预测国内外研究现状 |
1.2.1 风力机状态退化评估国内外研究现状 |
1.2.2 轴承状态退化评估国内外研究现状 |
1.2.3 轴承剩余寿命预测国内外研究现状 |
1.3 风力机轴承状态退化评估与剩余寿命预测存在的问题 |
1.4 本文研究意义 |
1.5 本文研究内容 |
第2章 风力机轴承的状态退化评估与性能趋势预测 |
2.1 引言 |
2.2 基于VMD-SVM的滚动轴承状态退化识别 |
2.2.1 相关理论简介 |
2.2.2 VMD的最优分解层数和敏感分量确定 |
2.2.3 状态退化特征选择 |
2.2.4 基于VMD-SVM的状态退化识别模型 |
2.2.5 实验验证与结果分析 |
2.3 基于AFCM-SVM的滚动轴承状态退化评估 |
2.3.1 基于SVM的滚动轴承渐进退化过程描述 |
2.3.2 敏感特征提取 |
2.3.3 最佳状态数的确定 |
2.3.4 退化评估框架构建 |
2.3.5 实验验证与结果分析 |
2.4 基于改进LSTM的滚动轴承性能趋势预测 |
2.4.1 LSTM理论与预测方法 |
2.4.2 参数实时更新的LSTM预测模型 |
2.4.3 滚动轴承性能趋势预测流程 |
2.4.4 实验验证与结果分析 |
2.5 风力机高速轴轴承状态退化评估与预测 |
2.5.1 数据描述 |
2.5.2 状态退化评估 |
2.5.3 性能趋势预测 |
2.6 本章小结 |
第3章 基于可迁移特征的智能故障诊断方法 |
3.1 引言 |
3.2 跨机器故障诊断问题描述 |
3.2.1 迁移学习诊断思想 |
3.2.2 最大均值差异 |
3.3 领域自适应方法研究 |
3.3.1 动态领域适配 |
3.3.2 多核动态领域适配 |
3.4 基于可迁移特征的智能诊断模型构建 |
3.4.1 基于特征的迁移学习方法概述 |
3.4.2 深度迁移学习的网络体系结构 |
3.4.3 全连接层领域适配 |
3.4.4 网络训练策略 |
3.5 从实验室轴承到风力机轴承的迁移学习故障诊断实例 |
3.5.1 数据获取及描述 |
3.5.2 案例1:迁移任务CWRU轴承数据集→风力机轴承数据集 |
3.5.3 案例2:迁移任务QPZZ-Ⅱ轴承数据集→风力机轴承数据集 |
3.5.4 噪声环境下的迁移性能 |
3.6 分析与讨论 |
3.7 本章小结 |
第4章 风力机轴承早期退化检测方法 |
4.1 引言 |
4.2 变分模态分解及优化 |
4.2.1 VMD理论基础 |
4.2.2 灰狼优化算法 |
4.3 基于自适应变分模态分解和包络谐噪比的滚动轴承早期退化检测 |
4.3.1 自适应变分模态分解 |
4.3.2 有效加权稀疏峭度指标 |
4.3.3 包络谐噪比 |
4.3.4 AVMD-EHNR方法的实现过程 |
4.3.5 仿真验证 |
4.4 基于AVMD-EHNR的滚动轴承早期退化检测方法案例分析 |
4.4.1 滚动轴承全寿命实验数据 |
4.4.2 振动信号预处理 |
4.4.3 早期退化异常点检测 |
4.5 风力机高速轴轴承早期退化检测 |
4.5.1 风力机高速轴轴承信号采集实验 |
4.5.2 早期退化检测 |
4.6 本章小结 |
第5章 单源振动信号下的风力机轴承剩余寿命预测 |
5.1 引言 |
5.2 实时非线性状态跟踪方法探究 |
5.2.1 粒子滤波 |
5.2.2 无迹粒子滤波 |
5.3 基于包络谐噪比和无迹粒子滤波的剩余寿命预测方法 |
5.3.1 预测流程概述 |
5.3.2 早期退化检测 |
5.3.3 退化指标提取 |
5.3.4 退化模型选取 |
5.3.5 剩余寿命预测 |
5.4 风力机发电机前轴承剩余寿命预测实例 |
5.4.1 信号采集实验 |
5.4.2 剩余寿命预测与对比分析 |
5.5 本章小结 |
第6章 多源信息融合的风力机轴承剩余寿命预测 |
6.1 引言 |
6.2 风力机可靠性分析方法 |
6.2.1 风力机可靠性监测系统 |
6.2.2 威布尔比例风险模型 |
6.3 广义对数线性威布尔预测模型 |
6.3.1 基本理论 |
6.3.2 性能评价指标 |
6.4 振动信号与温度信号的特征提取方法 |
6.4.1 振动特征提取方法 |
6.4.2 温度趋势分析 |
6.4.3 振温信号的模糊化处理 |
6.5 振温信号协同的GLL-WEIBULL模型剩余寿命预测方法 |
6.5.1 预测流程 |
6.5.2 实例验证 |
6.6 风力机轴承剩余寿命预测实例 |
6.6.1 测试数据描述 |
6.6.2 结果分析与讨论 |
6.7 本章小结 |
第7章 结论与展望 |
7.1 主要结论 |
7.2 主要创新点 |
7.3 工作展望 |
参考文献 |
在学研究成果 |
致谢 |
(5)海上风电机组动态机会成组维修策略的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 国内外海上风电行业发展现状 |
1.1.2 国内外海上风电机组运维现状 |
1.1.3 我国开展海上风电机组运维技术研究的意义 |
1.2 研究现状综述 |
1.2.1 维修决策理论研究现状 |
1.2.2 海上风电机组维修优化策略研究现状 |
1.2.3 有待进一步研究的问题 |
1.3 研究内容及章节结构 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.3.3 章节安排 |
第2章 海上风电机组维修策略的分析及选择 |
2.1 引言 |
2.2 影响海上风电机组维修的主要因素与分析 |
2.2.1 海上风电机组维修的可达性 |
2.2.2 海上风电机组的维修费用 |
2.2.3 海上风电机组维修资源特性分析 |
2.3 海上风电机组运维策略的选择 |
2.3.1 维修策略对比与决策过程分析 |
2.3.2 海上风电机组的维修决策过程 |
2.3.3 海上风电机组机会维修策略 |
2.3.4 海上风电机组机会成组维修策略 |
2.4 本章小结 |
第3章 海上风电机组可靠性分析方法研究 |
3.1 引言 |
3.2 海上风电机组可靠性分析基础 |
3.2.1 典型海上风电机组的基本结构 |
3.2.2 故障寿命分布规律 |
3.2.3 海上风电机组可靠性指标分析 |
3.2.4 海上风电机组关键部件失效分布 |
3.2.5 海上风电机组故障数据采集 |
3.3 基于威布尔分布的海上风电机组故障预测模型分析 |
3.3.1 关于二参数威布尔分布的故障预测模型 |
3.3.2 基于三参数威布尔分布的故障预测模型构建与分析 |
3.4 三参数威布尔分布故障模型的实例分析 |
3.5 本章小结 |
第4章 海上风电机组维修时间窗口预测方法的研究 |
4.1 引言 |
4.2 海浪特征统计方法与特征参数分析 |
4.2.1 统计方法与特征参数 |
4.2.2 我国典型海域风浪特征分析 |
4.3 海上风电机组可达性的定义及参数分析 |
4.3.1 可接近度 |
4.3.2 维修天气窗口时间 |
4.3.3 可达度 |
4.3.4 维修等待时间 |
4.4 海上风电机组维修等待时间特性分析 |
4.4.1 维修任务的分级 |
4.4.2 维修等待时间的测算方法 |
4.4.3 维修等待时间的算例分析 |
4.5 海上风电机组天气窗口预测方法研究 |
4.5.1 维修天气窗口研究的现状及改进方向 |
4.5.2 基于维修任务故障率的天气窗口预测方法 |
4.5.3 天气窗口预测方法案例及分析 |
4.6 本章小结 |
第5章 考虑天气窗口时间的动态机会成组维修策略研究 |
5.1 引言 |
5.2 动态机会成组维修策略的定义与内涵 |
5.3 海上风电机组多部件系统的维修相关性 |
5.3.1 多部件系统的维修相关性 |
5.3.2 海上风电机组维修相关性及其影响 |
5.4 面向海上风电机组的动态机会成组维修策略研究 |
5.4.1 单部件维修优化 |
5.4.2 初始维修计划 |
5.4.3 多部件组合维修优化 |
5.4.4 维修计划的更新 |
5.5 海上风电机组动态机会成组维修问题的求解 |
5.5.1 海上风电机组动态机会成组维修模型 |
5.5.2 基本粒子群算法 |
5.5.3 动态机会成组维修模型的粒子群算法求解步骤 |
5.5.4 算例验证及分析 |
5.6 本章小结 |
第6章 基于能效分析的动态机会成组维修模型验证 |
6.1 引言 |
6.2 海上风电机组能效损失及能效指标 |
6.2.1 海上风电机组能效损失 |
6.2.2 海上风电机组能效指标 |
6.3 不可达性对海上风电机组电能损失的影响 |
6.4 海上风速与浪高的预测 |
6.4.1 公式推算法 |
6.4.2 基于马尔科夫链的预测方法 |
6.5 维修模型的验证与分析 |
6.5.1 数据处理与参数设置 |
6.5.2 结果分析 |
6.6 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 主要创新点 |
7.3 展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(6)矿用带式输送机托辊远程故障诊断方法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 课题来源 |
1.2 选题背景及意义 |
1.3 国内外研究现状 |
1.4 研究的内容及目标 |
1.5 技术路线与总体框架 |
1.6 本章小结 |
2 故障信号量化及误码特性分析 |
2.1 引言 |
2.2 故障信号量化特性分析 |
2.3 故障信号误码特性分析 |
2.4 实验验证与分析 |
2.5 本章小结 |
3 基于数据包状态的多数据流传输策略 |
3.1 引言 |
3.2 基于优先级的多数据流传输策略 |
3.3 基于丢包干扰激励的重传机制 |
3.4 实验验证与分析 |
3.5 本章小结 |
4 基于迁移学习的变工况诊断方法 |
4.1 引言 |
4.2 基于领域适配的可迁移特征提取 |
4.3 基于迁移学习的变工况托辊故障识别 |
4.4 实验验证与分析 |
4.5 本章小结 |
5 矿用带式输送机托辊远程故障诊断应用研究 |
5.1 引言 |
5.2 矿用带式输送机托辊故障实验平台 |
5.3 矿用带式输送机托辊远程故障诊断 |
5.4 本章小结 |
6 结论与展望 |
6.1 主要研究工作与结论 |
6.2 主要创新点 |
6.3 研究展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(7)汽轮机智能诊断与健康管理关键技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.1.1 研究背景 |
1.1.2 研究目的和意义 |
1.2 国内外研究现状 |
1.2.1 信息获取的研究现状 |
1.2.2 故障诊断技术研究现状 |
1.2.3 设备健康管理的研究现状 |
1.3 本文研究内容和结构安排 |
第2章 基于知识图谱的诊断知识获取与表达 |
2.1 引言 |
2.2 故障机理分析方法与步骤 |
2.2.1 名词解释 |
2.2.2 设备树分析 |
2.2.3 故障模式及影响分析 |
2.2.4 故障树分析 |
2.2.5 基于Neo4j的知识图谱构建 |
2.2.6 故障机理分析步骤 |
2.3 诊断知识图谱的建立 |
2.3.1 知识图谱构建流程 |
2.3.2 类和实体属性定义 |
2.3.3 关系定义 |
2.4 核电汽轮机诊断知识图谱的构建 |
2.4.1 核电汽轮机设备树分析 |
2.4.2 汽轮机组故障机理分析 |
2.4.3 核电汽轮机诊断知识图谱 |
2.5 本章小结 |
第3章 汽轮机典型故障征兆识别 |
3.1 引言 |
3.2 基于模糊矢量映射的序列数据趋势型征兆识别 |
3.2.1 模糊矢量空间映射 |
3.2.2 案例验证 |
3.3 基于独立元空间重构的频谱类征兆识别 |
3.3.1 频谱中的方向概念 |
3.3.2 独立元空间重构方法 |
3.3.3 案例验证 |
3.4 本章小结 |
第4章 基于知识图谱与贝叶斯网络的智能诊断与维修决策 |
4.1 引言 |
4.2 基于知识图谱确定性推理的故障隔离 |
4.2.1 Cypher查询语句 |
4.2.2 基于图数据搜索的故障隔离 |
4.2.3 案例测试 |
4.3 基于贝叶斯网络不确定性推理的故障诊断 |
4.3.1 贝叶斯网络的定义 |
4.3.2 BN诊断模型构建关键技术 |
4.3.3 基于联合树算法的BN推理 |
4.3.4 案例测试 |
4.4 基于故障链严重程度评估的维修决策 |
4.4.1 独立严重程度指标 |
4.4.2 故障链严重程度 |
4.4.3 与PM和传统CM的对比 |
4.4.4 实例测试 |
4.5 结论 |
第5章 智能诊断与健康管理原型系统设计与实现 |
5.1 引言 |
5.2 原型系统基本框架 |
5.3 智能诊断与健康管理系统主要功能设计 |
5.3.1 基于数据仓库技术的存储设计 |
5.3.2 基于机器学习算法框架的征兆识别模块设计 |
5.3.3 基于确定性和不确定性推理的诊断推理模块设计 |
5.4 样机系统实现 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 全文总结 |
6.2 论文主要创新点 |
6.3 有待进一步开展的工作 |
参考文献 |
攻读博士期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(8)电视播控管理系统的设计与实现(论文提纲范文)
摘要 |
Abstract |
专用术语注释表 |
第一章 绪论 |
1.1 课题背景 |
1.2 研究意义 |
1.3 论文的主要工作 |
第二章 江苏台播控系统概述 |
2.1 项目描述 |
2.2 江苏电视台播控系统 |
2.2.1 播总控调度系统 |
2.2.2 全台综合监控网络管理系统 |
2.2.3 播出系统 |
2.3 关键技术实现 |
2.3.1 矩阵自动倒换技术 |
2.3.2 切换台配置 |
2.3.3 独立的信号路由 |
2.3.4 录像机共享实现 |
2.3.5 应急播出手段 |
2.3.6 全面的信号监看 |
第三章 播出系统设计和实现方案 |
3.1 关键功能模块概述 |
3.2 播出服务器技术实现 |
3.2.1 播出服务器整体架构 |
3.2.2 播出主备服务器简介 |
3.3 上载服务器设计 |
3.3.1 上载服务器的搭建 |
3.3.2 服务器容量计算 |
3.3.3 服务器应急流程 |
3.4 存储系统技术实现 |
3.4.1 存储总体架构 |
3.4.2 播出系统分级存储 |
3.4.3 数据迁移链路及实际带宽 |
3.4.4 播出内容存储的拓扑结构 |
3.4.5 加密文件系统集群的构成 |
3.4.6 存储服务器配置状态 |
3.5 数据库及其备份技术实现 |
3.5.1 播出系统数据库 |
3.5.2 数据库的备份 |
3.6 安全监控体系的实现 |
3.6.1 基于PGM SDI的末端信号监控 |
3.6.2 监控设备布置与配置 |
3.6.3 监控软件测试 |
3.6.4 系统软硬件设备监控 |
3.6.5 文件监控 |
3.7 新媒体播出系统互联技术实现 |
3.7.1 原有新媒体硬盘系统 |
3.7.2 数据交换协议改造 |
3.7.3 新媒体数据库的建设 |
3.7.4 新媒体存储构成 |
3.8 文件转码系统实现 |
3.9 与全台网互联互通实施 |
3.9.1 交互业务分析 |
3.9.2 接口服务提炼 |
第四章 系统网络设计及实施 |
4.1 系统网络部署 |
4.1.1 网络架构 |
4.1.2 网络拓扑 |
4.1.3 虚拟局域网划分 |
4.1.4 接入交换机端口分配 |
4.2 网络安全实施 |
4.2.1 域控和重要域名配置 |
4.2.2 防病毒 |
第五章 系统测试 |
5.1 功能测试 |
5.1.1 播出机动备启用测试 |
5.1.2 网络安全漏洞扫描 |
5.1.3 数据库故障模拟测试 |
5.1.4 节目质量自动技审测试 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
(9)地铁制动系统测试试验台设计(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 课题研究背景 |
1.1.2 课题研究意义 |
1.2 国内外研究现状 |
1.2.1 我国城市轨道车辆制动系统发展概述 |
1.2.2 制动系统检测国内外研究现状 |
1.3 课题主要内容 |
本章小结 |
第二章 HRDA型数字模拟式电空制动系统 |
2.1 制动的基本概念 |
2.2 列车制动系统 |
2.3 HRDA型制动系统的系统构成 |
2.3.1 风源系统 |
2.3.2 制动控制单元 |
2.4 HRDA型制动系统的作用过程、工作原理 |
2.4.1 常用制动原理 |
2.4.2 紧急制动作用原理 |
2.4.3 载荷调整功能 |
2.4.4 防滑控制功能 |
2.4.5 不缓解检测功能 |
2.4.6 强迫缓解功能 |
2.4.7 制动力不足检测功能 |
本章小结 |
第三章 制动系统测试试验台硬件设计 |
3.1 测试试验台总体架构 |
3.2 测试试验台硬件系统设计与选型 |
3.2.1 试验台硬件 |
3.2.2 直流电源 |
3.2.3 工控机 |
3.2.4 数据采集和处理单元 |
3.2.5 PLC |
3.2.6 测量系统供电单元UPS电源 |
3.2.7 压力传感器 |
3.2.8 气路系统 |
本章小结 |
第四章 制动系统测试试验台软件设计 |
4.1 制动测试试验台软件需求分析 |
4.1.1 软件总体需求分析 |
4.1.2 软件功能需求分析 |
4.2 软件介绍和软件的开发与运行环境 |
4.2.1 Qt Creator软件 |
4.2.2 SQL Server数据库软件 |
4.2.3 软件的开发环境 |
4.2.4 软件的运行环境 |
4.3 制动测试台软件总体设计 |
4.3.1 上位机程序总体设计 |
4.3.2 下位机程序总体设计 |
4.4 上位机的通信设计 |
4.4.1 UDP通信类 |
4.4.2 UDP接收数据函数 |
4.4.3 UDP发送数据函数 |
4.5 标准登记功能设计 |
4.5.1 自诊断试验标准登记 |
4.5.2 自动试验标准登记 |
4.6 试验功能设计 |
4.6.1 自诊断试验 |
4.6.2 自动试验 |
4.7 数据保存功能设计 |
4.7.1 程序连接数据库 |
4.7.2 数据保存到数据库 |
4.7.3 数据保存到Excel表格 |
4.8 打印功能设计 |
本章小结 |
第五章 制动系统测试试验台现场测试 |
5.1 试验准备工作 |
5.2 自诊断试验 |
5.3 单车制动试验 |
5.4 电子制动控制单元试验 |
5.5 试验结束工作 |
本章小结 |
结论 |
参考文献 |
附录A 上位机程序代码 |
致谢 |
(10)风力机健康状态监测及评估关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 课题来源 |
1.1.2 课题的背景 |
1.1.3 研究的意义 |
1.2 国内外研究及发展现状 |
1.2.1 风力机概况 |
1.2.2 风力机健康状态监测与评估国内外研究现状 |
1.2.3 发展趋势 |
1.3 主要研究内容 |
1.3.1 研究的目标 |
1.3.2 研究的思路 |
1.4 本文的章节安排 |
第二章 风力机动力学建模及振动特性分析 |
2.1 引言 |
2.2 风力机力学原理 |
2.2.1 空气动力学 |
2.2.2 虚功原理 |
2.3 风力机动力学建模与分析 |
2.3.1 风力机动力学简化模型 |
2.3.2 风力机振动特性分析 |
2.4 仿真与实验验证 |
2.4.1 数值仿真分析 |
2.4.2 实验验证 |
2.4.3 振动分析在风力机中的应用 |
2.5 本章小结 |
第三章 基于SFDSC的特征提取与故障诊断方法 |
3.1 引言 |
3.2 SFDSC算法 |
3.2.1 结构化Fisher判别字典学习 |
3.2.2 树结构稀疏编码系数求解 |
3.3 轴承故障诊断案例分析 |
3.3.1 轴承故障试验 |
3.3.2 基于SFDDL的轴承振动信号字典学习 |
3.3.3 基于TSSC的轴承振动信号稀疏编码 |
3.3.4 轴承故障诊断结果 |
3.4 蜗轮故障诊断案例分析 |
3.4.1 实验平台 |
3.4.2 蜗轮故障诊断结果 |
3.5 SFDSC方法性能分析 |
3.5.1 稳定性与泛化能力 |
3.5.2 诊断精度与计算效率对比 |
3.5.3 SFDSC在风力机传动链振动信号监测中的应用 |
3.6 本章小结 |
第四章 基于EA-DNN-HMM的风力机健康状态评估与预测 |
4.1 引言 |
4.2 DNN-HMM模型 |
4.2.1 DNN原理 |
4.2.2 隐马尔可夫模型 |
4.2.3 DNN-HMM模型 |
4.3 EA-DNN-HMM健康状态评估建模 |
4.3.1 EA-DNN-HMM模型 |
4.3.2 EA-DNN-HMM的学习和使用 |
4.4 EA-DNN-HMM在风力机健康状态评估与预测中的应用 |
4.4.1 实验数据描述及处理 |
4.4.2 实验结果分析 |
4.5 本章小结 |
第五章 基于互评估群诊断的风力机异常检测与预测 |
5.1 引言 |
5.2 异常检测与预测方法 |
5.2.1 风力机群分级统计特征提取 |
5.2.2 多区间数据不相似性度量 |
5.2.3 特征空间降维 |
5.2.4 基于线性混合SOM的异常检测 |
5.3 趋势累积差分法异常预测 |
5.4 实验验证 |
5.4.1 SCADA数据描述 |
5.4.2 风力机群特征提取 |
5.4.3 风力机群异常检测 |
5.4.4 风力机群异常预测 |
5.5 本章小结 |
第六章 基于全景镜像的风力机状态监测与评估平台 |
6.1 引言 |
6.2 风力机数据采集 |
6.2.1 数据描述 |
6.2.2 风力机状态监测数据采集 |
6.2.3 振动信号有效性验证 |
6.2.4 实验验证 |
6.3 风力机物理组件虚拟镜像模型 |
6.3.1 虚拟镜像风力机概念 |
6.3.2 虚拟镜像风力机组成与实现方法 |
6.3.3 虚拟镜像风力机实验验证 |
6.4 基于全景镜像的风力机智能维护系统 |
6.4.1 全景镜像智能维护系统架构 |
6.4.2 全景镜像智能维护系统组成 |
6.4.3 基于全景镜像的智能维护系统平台应用 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 主要结论 |
7.2 主要创新点 |
7.3 研究展望 |
参考文献 |
致谢 |
攻读博士学位期间的主要研究成果 |
四、HP MC/ServiceGuard的维护及故障检修方法(论文参考文献)
- [1]高压断路器振动信号特征提取及故障诊断方法研究[D]. 陈磊. 华北电力大学(北京), 2021(01)
- [2]高铁新能源微电网规划定容及调度优化研究[D]. 田立霞. 华北电力大学(北京), 2021(01)
- [3]水轮发电机组安全评价及其调节特性对互补发电效益影响研究[D]. 李欢欢. 西北农林科技大学, 2021
- [4]风力机高速轴轴承状态退化评估与剩余寿命预测方法研究[D]. 吕明珠. 沈阳工业大学, 2021(02)
- [5]海上风电机组动态机会成组维修策略的研究[D]. 谢鲁冰. 华北电力大学(北京), 2021(01)
- [6]矿用带式输送机托辊远程故障诊断方法研究[D]. 佟哲. 中国矿业大学, 2020(07)
- [7]汽轮机智能诊断与健康管理关键技术研究[D]. 杨楠. 华北电力大学(北京), 2020(06)
- [8]电视播控管理系统的设计与实现[D]. 陈斌. 南京邮电大学, 2019(02)
- [9]地铁制动系统测试试验台设计[D]. 程佳. 大连交通大学, 2019(08)
- [10]风力机健康状态监测及评估关键技术研究[D]. 王双园. 上海交通大学, 2017(09)