|
关于我们
 书单推荐 更多 新书推荐 更多 |
水轮发电机组动力学问题及故障诊断原理与方法 
定 价：79.8 元 丛书名：水电科技前沿研究丛书
9 7 9 8 9 7 9 5 9 6 7 0 5 
水电机组作为水电厂生产设备，其状态成为水电企业优化维护决策的重要因素。本书研究了水电机组优化维护系统中实时状态监测和故障诊断的原理和方法，并介绍了应用实例。
水轮发电机组的安全运行涉及水力、电力、机械、结构等诸多方面，是一类多场耦合复杂非线性动力学问题，迄今人们对它的了解还不够，尤其是大型水轮发电机组安全、稳定、高效运行还有许多亟待研究的理论和急需解决的关键科学与技术问题。
尽管国内外对水轮发电机组发电过程控制、故障诊断等科学问题开展了一系列研究，但随着我国大规模水电站群的建成和巨型水轮发电机组的投运，还缺乏对机组水-机-电耦合系统复杂动力学行为机理的深刻认识，至今还没有系统的理论依据与技术对策，这将严重影响水电站及其互联电力系统的安全，并成为制约机组安全、经济运行的技术瓶颈。此外，负荷需求的不确定性对水轮发电机组运行产生不利影响的动力学效应、机组控制策略对水-机-电耦合系统故障演变模式的影响等学科交叉领域的研究严重滞后，迫切需要对水轮发电机组动力学问题进行深入研究，揭示水-机-电耦合系统运行故障的产生机理、演化过程及发展模式。因此，从复杂性科学理论的视点凝炼水轮发电机组动力学问题，阐明机组状态监测、故障诊断和优化控制等研究中涉及的科学问题，解析水轮发电机组复杂非线性动力学行为，揭示水-机-电耦合系统非平稳故障演化规律，明晰系统故障演化发展的性质、程度和范围，提出故障诊断的先进理论与方法，实现机组控制策略对机组故障蔓延、恶化的有效抑制，形成机组故障监测、智能诊断与发电优化控制有效融合的多维调控理论与技术体系，具有重要的理论意义和工程应用价值。
该书是作者十多年来围绕水轮发电机组故障诊断研究工作的总结，不仅系统、深入地介绍了作者的理论研究和实践探索，而且更多反映了当前水轮发电机组故障诊断研究的动态以及作者在该领域独到的见解和取得的研究成果，提出的理论与方法更加前进了一步，并在工程实践中得到应用和检验，体现了作者宽广的学术视野和对前沿研究方向的把握能力。全书从机组复杂动力学问题的基础性研究着手，对机组的振动机理与故障演化规律，机组非平稳故障信号分析与特征提取，智能故障诊断方法以及机组状态监测与故障诊断系统等方面的研究进行了全面的论述，具有很强的系统性，是一本理论结合实际、具有重要学术价值的著作。需要指出的是，大型水轮发电机组安全、稳定运行所涉及的理论与方法具有很强的学科交叉性，其中的动力学问题、信号处理问题、模式识别问题是很多学科都在开展的基础性科学与技术问题。因此，该书的出版不仅丰富和发展了水轮发电机组安全、稳定运行理论研究的内涵和外延，而且是现代自然学科类交叉科学的重要著作，是一部面向基础研究、面向应用，介绍新理论、新进展、新趋势的专著，可为相关研究人员提供借鉴和指导。
希望这本书对推动相关领域的学术研究和工程应用技术发展能起到重要作用。
周建中，男，1959年生，华中科技大学首届校内特聘教授；博士生导师，德国布伦瑞克理工大学客座教授，1994年IEEE高级会员，1997年德国信息工程学会会员，1994年当选为湖北省自动化学会理事，1995受聘为年国家机电部部仪器仪表专业学科科学技术咨询委员会委员；1996年受聘为中国计算机学会外围设备专业委员会副主任委员；2001年受聘为中国城市规划学会生态城市专业委员会副主任委员；2001年受聘为全国水利学科水利水电工程专业教学指导委员会委员；2002年受聘为全国电气学科电气自动化专业教学指导委员会委员；2002年当选为湖北省振动学会秘书长；2003年受聘为国家自然科学基金项目同行评议专家；2004年当选为湖北省水力发电工程学会常务理事；2004年受聘为中国水力发电工程学会水电控制设备专委会委员；2004年受聘为国家科学技术奖评审专家；2005年当选为国际一般系统论研究会中国分会信息系统与信息理论专委会副理事长；2005年受聘为湖北省水利学会水利规划专业委员会副主任委员；2005年受聘为数字流域科学与技术湖北省重点实验室副主任；2006年受聘为国家核心学术刊物《水电能源科学》副主编；2007年受聘为国际一般系统论研究会中国分会理事；2007年受聘为湖北省系统工程学会常务理事；2008年受聘为教育部水利学科水文与水资源工程专业教学指导分委员会委员；2009年受聘为中国人工智能学会自然计算与数字智能城市专委会委员；2009年受聘为中国水利教育协会高等教育分会第四届理事会常务理事；2009年受聘为冶金工业过程系统科学湖北省重点实验室学术委员会委员；2009年受聘为全球水伙伴（中国）技术委员会委员；2009年受聘为湖北省水力发电工程学会副理事长；2010年受聘为湖北省水土保持学会常务理事；2010年受聘为《当代水科学前沿丛书》学术委员会委员；2010年受聘为中国农业机械学会排灌机械分会第九届委员会委员；2010年受聘为《排灌机械工程学报》第九届编辑委员会委员；2010年受聘为江苏省水利动力工程重点实验室学术委员会委员；2011年受聘为中国水利学会水生态专业委员会委员；2011年受聘为水利部、中国科学院水工程生态研究所学术委员会委员；2011年受聘为水利部水工程生态效应与生态修复重点实验室第一届学术委员会委员；2012年受聘为潘家铮水电科技基金第二届理事会理事；2012年受聘为湖北省建设粒料制备工程中心学术委员会专家；2013年受聘为流域水资源与生态环境科学湖北省重点实验室学术委员会委员。
第一篇 水轮发电机组动力学
第1章 水轮发电机组动力学问题及其研究概述（3）
1.1水轮发电机组产生振动的因素（3）
1.2水轮发电机组转子动力学问题概述（6）
1.2.1转子动力学问题简介（6）
1.2.2转子动力学问题研究现状（7）
1.3水轮发电机组振动分析（8）
第2章 单一故障影响下水轮发电机组振动分析（10）
2.1水轮发电机组径向振动特性分析（10）
2.1.1水轮发电机组径向振动动力学模型（11）
2.1.2水轮发电机组径向振动特性分析（14）
2.2水轮发电机组转子不对中的振动特性分析（22）
2.2.1综合不对中机组轴系动力学模型（23）
2.2.2综合不对中机组轴系动力学特性分析（26）
2.2.3本节小结（36）
2.3水轮发电机组在轴向推力作用下的振动特性分析（37）
2.3.1碰摩转子在轴向推力作用下的动力学模型（38）
2.3.2轴向推力作用下碰摩发电机转子特性分析（40）
2.3.3本节小结（58）
2.4水轮发电机组非线性电磁振动特性分析（59）
2.4.1不平衡磁拉力的计算方法简介（60）
2.4.2机组轴系非线性动力学模型（63）
2.4.3机组非线性电磁振动特性分析（65）
2.4.4本节小结（72）
第3章 耦合振动作用下水轮发电机组转子动力学分析（73）
3.1陀螺效应下水轮发电机组的弯扭耦合振动分析（73）
3.1.1立式转子弯扭耦合振动基本原理（73）
3.1.2单质量不平衡转子的弯扭耦合振动（77）
3.2水轮发电机组联轴器不对中弯扭耦合振动分析（94）
3.2.1固定式刚性联轴器平行不对中（94）
3.2.2可移式刚性联轴器平行不对中（102）
3.3水轮发电机组碰摩弯扭耦合振动分析（106）
3.3.1碰摩转子弯扭耦合振动动力学模型（107）
3.3.2碰摩转子弯振和扭振特性分析（111）
第二篇 信号处理与轴心轨迹特征提取
第4章 信号分析及特征提取（125）
4.1传统信号分析方法（125）
4.1.1时域信号分析（126）
4.1.2振动信号的频域分析（127）
4.1.3传统信号分析方法存在的问题（128）
4.2小波变换（128）
4.2.1小波和小波变换（128）
4.2.2多分辨分析（130）
4.3Hilbert-Huang变换（133）
4.3.1经验模态分解（133）
4.3.2Hilbert谱分析（136）
4.4微弱信号混沌振子检测原理（136）
4.4.1混沌振子基本检测原理（137）
4.4.2混沌振子检测微弱信号的频率和相位（138）
4.4.3信息融合与混沌振子检测微弱信号幅值（140）
4.4.4加权平均融合与混沌振子检测微弱信号幅值（141）
4.4.5基于信息融合技术的混沌振子状态识别（143）
4.4.6信息融合与混沌振子在故障诊断中的应用（145）
第5章 轴心轨迹自动识别方法（148）
5.1水轮发电机组轴心轨迹的特点（148）
5.1.1轴心轨迹形状信息在故障诊断系统中的作用（148）
5.1.2轴心轨迹自动识别方法分析（149）
5.1.3水轮发电机组轴心轨迹的特点（149）
5.2轴心轨迹自动识别原理（150）
5.2.1小波提纯原理（150）
5.2.2轴心轨迹图形特征提取（150）
5.2.3轴心轨迹形状特征自动识别的常规方法（153）
5.2.4神经网络原理（153）
5.3基于PJFMIs不变矩的轴心轨迹识别（157）
5.3.1Pseudo-Jacobi（p=4,q=3）-Fourier矩（PJFMs）（157）
5.3.2Pseudo-Jacobi（p=4,q=3）-Fourier不变矩（PJFMIs）（158）
5.3.3PJFMs的快速算法（158）
5.3.4PJFMIs提取轴心轨迹特征（159）
5.3.5神经网络及其参数选择（159）
5.4基于快速变换的轴心轨迹识别（159）
5.4.1现代智能算法（160）
5.4.2基于Haar正交矩阵的夹角识别（174）
5.4.3基于几何特征和Fourier描绘子的轴心轨迹识别（181）
5.4.4基于Walsh描绘子和支持向量机的轴心轨迹识别（188）
5.5基于混合神经网络的轴心轨迹自动识别（194）
5.5.1引言（194）
5.5.2脉冲耦合神经网络（194）
5.5.3基于脉冲耦合神经网络融合的轴心轨迹特征提取（200）
第三篇 水轮发电机组智能故障诊断方法
第6章 水轮发电机组的支持向量机故障诊断方法（209）
6.1支持向量机基本理论（209）
6.1.1统计学习理论（209）
6.1.2机器学习的本质（212）
6.1.3结构风险最小化（214）
6.1.4支持向量机（216）
6.2基于支持向量机的水轮发电机组振动故障分类研究（222）
6.2.1最小二乘支持向量机（222）
6.2.2基于最小二乘支持向量机的故障分类模型（225）
6.2.3水轮发电机组振动故障分类识别（229）
6.3基于遗传算法的支持向量机模型参数选择（232）
6.3.1遗传算法（233）
6.3.2GA-LSSVM预测模型参数选择（236）
6.3.3实例分析（239）
6.4基于支持向量机的水轮发电机组状态预测研究（241）
6.4.1预测方法概述（241）
6.4.2基于小波与最小二乘支持向量机的集成预测模型（242）
6.4.3预测方法评价准则和误差评价函数（246）
6.4.4水轮发电机组振动状态预测分析（249）
第7章 水轮发电机组的Bayes网络故障诊断方法（255）
7.1Bayes网络的基本理论（255）
7.1.1Bayes理论的基本思想（256）
7.1.2Bayes网络的基本理论（257）
7.2PPTC概率推理算法的优化与实现（265）
7.2.1PPTC算法中的基本概念（265）
7.2.2联合树及其构造方法（267）
7.2.3PPTC算法的概率推理（271）
7.2.4PPTC算法实现中的优化（278）
7.3基于Bayes网络的水轮发电机组状态检修系统（279）
7.3.1基于Bayes网络的知识表示（280）
7.3.2基于Bayes网络的专家系统建模（281）
7.3.3专家系统的推理机制（283）
7.3.4专家系统的应用与分析（285）
7.3.5基于Bayes网络的水轮发电机组检修策略（286）
7.3.6基于Bayes网络的检修决策系统（287）
7.4水轮发电机组状态检修系统的知识获取（290）
7.4.1Bayes学习理论（291）
7.4.2完整数据集下的Bayes网络参数学习（297）
7.4.3不完整数据下的参数学习（298）
7.4.4基于最大信息熵的学习算法（ME算法）（300）
7.4.5ME算法与EM算法的性能分析（301）
第8章 基于信息融合技术的故障集成诊断（303）
8.1基于快速变换的故障信号分类（304）
8.1.1故障信号快速变换（304）
8.1.2快速变换基于Fisher准则的最优选取（307）
8.2基于熵权理论和信息融合技术的水轮发电机组振动故障诊断（315）
8.2.1灰色关联原理（315）
8.2.2熵权理论（317）
8.2.3基于证据的信息融合理论（318）
8.2.4基于熵权理论和信息融合技术的水轮发电机组故障诊断（319）
8.2.5应用实例（321）
8.3基于粗糙集和信息融合技术的水轮发电机组振动故障诊断（323）
8.3.1基于粗糙集和证据理论的故障诊断（323）
8.3.2水轮机调速系统故障诊断实例（325）
第四篇 状态监测与故障诊断系统
第9章 水轮发电机组运行状态监测（331）
9.1机组工况参数监测（332）
9.2机组稳定性监测（335）
9.2.1机组稳定性监测内容（335）
9.2.2机组稳定性监测技术（335）
9.3发电机状态监测（335）
9.3.1发电机状态监测内容（335）
9.3.2发电机状态监测技术（335）
9.4水轮机空化空蚀监测（336）
9.4.1空化空蚀监测目的和原理（336）
9.4.2水轮机空化空蚀监测技术（337）
9.5主变压器状态监测（338）
9.5.1油色谱分析（338）
9.5.2油色谱分析诊断方法（339）
9.6水轮发电机组振动、摆度状态监测系统实例（341）
9.6.1系统总体框架（341）
9.6.2系统各部分功能概述（342）
9.6.3DSP信号处理板设计（348）
9.6.4信息分析功能要求（352）
9.6.5数据库要求（353）
9.6.6决策系统（354）
第10章 分布式远程故障诊断系统工程应用（358）
10.1分布式远程故障诊断系统结构（359）
10.2专家系统设计及基本诊断方法（361）
10.2.1系统结构（361）
10.2.2知识库模块设计（362）
10.2.3推理机模块设计（365）
10.2.4解释器模块设计（369）
10.2.5自学习机模块设计（369）
10.3故障树诊断方法（374）
10.3.1故障树分析基础（374）
10.3.2故障树子系统结构（375）
10.3.3故障树管理维护模块（375）
10.3.4故障树分析模块（377）
10.3.5故障树诊断模块（379）
10.4基于案例的故障诊断算法模型（379）
10.4.1系统结构（379）
10.4.2故障征兆提取模块设计（380）
10.4.3案例库模块设计（381）
10.4.4检索机制模块设计（381）
10.4.5解释器模块设计（383）
10.4.6案例库的学习与维护模块设计（383）
10.5多诊断方法的决策融合及应用（385）
10.6展望（386）
参考文献（389）
你还可能感兴趣
|
