第一章 绪论 1
1-1 火电机组运行状态监测、预测及性能诊断的意义 1
2-2 汽轮机超临界级的变工况核算方法分析及验算 2
1-2 汽轮机运行状态预测和故障诊断的研究现状及存在的问题 5
1-3 汽轮机运行性能诊断及其内容 8
参考文献 9
第二章 汽轮机变工况计算方法分析及改进 11
2-1 概述 11
2-2-1 几种典型的变工况核算方法及分析 12
2-2-2 计算结果及比较 19
2-3 汽轮机超临界级热力核算方法存在的问题及改进 21
2-3-1 关于水蒸气性质公式的精度问题 21
2-3-2 关于有损失流动中的临界状态问题 22
2-3-3 关于适合于真实水蒸气临界压力的确定方法问题 25
2 3-4 关于级的反动度及相对内效率的概念定义方法问题 27
2-4 喷嘴调节汽轮机调节级的变工况计算 28
2-5 对弗留格尔公式证明方法的讨论 32
2-5-1 几种理论证明方法及存在的问题分析 32
2-5-2 弗留格尔公式的应用 39
2-6 小结 41
参考文献 42
第三章 汽轮机热经济性诊断的原理模型 43
3-1 概述 43
3-2 汽轮机各级效率间的耦合性分析 45
3-2-1 基本假设及汽轮机各级相对内效率间的耦合性分析 45
3-2-2 两级级组中第一级相对内效率变化对级组相对内效率影响的计算模型 50
3-2-3 多级级组中某级相对内效率变化对级组相对内效率影响的计算模型 56
3-3-1 汽缸内所有级均处于过热蒸汽区 64
3-3 汽轮机各级组效率间的耦合性分析 64
3-3-2 汽缸内有部分级或级组处于湿蒸汽区 66
3-4 汽轮机各汽缸相对内效率效率间及汽轮机相对内效率与理想循环热效率间的耦合性分析 67
3-4-1 汽轮机的能量平衡及各效率的定义方法讨论 67
3-4-2 汽轮机各效率间的耦合性分析 71
3-4-3 各缸相对内效率变化对热耗率影响的计算模型 74
3-4-4 汽轮机理想循环热效率变化对热耗率的影响 79
3-5 初终参数变化对汽轮机热经济性影响的计算模型 80
3-5-1 现有的各种确定方法及存在的问题 81
3-5-2 基于级的详细计算及热平衡计算的方法 84
3-6 汽轮机通流部分和回热系统热经济性下降故障的分离 86
3-6-1 汽轮机通流部分和回热系统热经济性下降故障的分离方法 86
3-6-2 上述诊断过程与等效热降法的区别 88
3-7 小结 89
参考文献 90
第四章 汽轮机热经济性诊断的神经网络模型 91
4-1 引言 91
4-2 BP网络学习算法分析及比较 92
4-2-1 BP网络及有关概念的说明 92
4-2-2 单样本训练算法 95
4-2-3 BP网络的批处理算法 99
4-2-4 BP网络节点激励函数的分析 101
4-2-5 两种算法的收敛性比较 104
4-3 BP网络结构的设计及有关参数设置 105
4-3-1 BP网络输入输出数据的归一化处理 106
4-3-2 BP网络输入与输出层的设计 108
4-3 3 BP网络隐层的数目选择 109
4-3-4 BP网络隐层节点数目的选择原则 109
4-4-1 BP网络的学习率分析 110
4-4 具有自适应学习率的BP网络训练算法 110
4-3-5 网络训练的初始连接权及阈值的选择 110
4-4-2 自适应学习率 112
4 4-3 自适应学习率的BP网络训练过程分析及对比 114
4-4-4 采用不同的学习率对训练结果的影响 117
4-5 神经网络在汽轮机热经济性诊断中的应用 117
4-6 小结 119
参考文献 120
第五章 凝汽器清洁率的监测与故障诊断模型 121
5-1 引言 121
5-2 凝汽器清洁率的监测及预测方法研究 122
5-2-1 凝汽器清洁率的概念 122
5-2-2 凝汽器清洁率的测定 126
5-2-3 管束布置系数及其在凝汽器管束传热效果评价中的应用 130
5-2-4 凝汽器清洁率的预测方法 132
5-3-1 凝汽器典型故障及其征兆 134
5-3 凝汽器设备及其系统故障诊断方法研究 134
5-3-2 BP网络的训练及其隶属函数的形成 135
5-3-3 诊断实例及对比 137
5-4 小结 139
参考文献 139
第六章 汽轮发电机组振动故障诊断的神经网络模型 141
6-1 引言 141
6-2 基于人工神经网络的汽轮发电机组振动故障诊断方法及特点 142
6-2-1 汽轮发电机组振动故障特征 142
6-2-2 基于BP网络的汽轮发电机组的故障诊断方法及特点 143
6-3 BP网络诊断结果模糊性及与常规模糊诊断结果的对比 151
6-3-1 常规的模糊诊断方法 151
6-3-2 BP网络诊断的模糊性及与常规模糊诊断的比较 153
6-4-1 水平与垂直方向的诊断结果分析及对比 155
6-4 利用不同方向振动信息诊断结果的综合 155
6-4-2 垂直与水平方向振动故障诊断结果的综合 157
6-5 汽轮发电机组多征兆分级诊断方法 159
6-5-1 机组启停时的振动故障征兆及诊断方法 160
6-5-2 机组带负荷运行过程中振动征兆与诊断方法 163
6-6 BP网络的故障诊断模型在汽轮发电机组故障诊断中的应用 165
6-7 小结 167
参考文献 167
第七章 汽轮发电机组故障预测的神经网络模型 169
7-1 引言 169
7-2 BP网络用于时间序列预测存在的问题 171
7-2-1 BP网络的预测模型 171
7-2-2 BP网络存在的问题分析 173
7-2-3 克服BP网络存在问题的方法 173
7-3-1 有序系统 179
7-3 递推合成BP网络及其算法 179
7-3-2 递推合成BP网络及其算法 181
7-3-3 递推合成BP网络与常规的合成BP网络的比较 185
7-4 递推合成BP网络预测特性及性能分析 187
7-4-1 递推合成BP网络预测特性分析 187
7-4-2 递推合成BP网络预测与其它预测方法的性能比较 194
7-5 递推合成BP网络在汽轮发电机组故障预测中的应用 199
7-5-1 汽轮发电机组故障的可预测性分析 199
7-5-2 汽轮发电机组故障的几种典型趋势的模拟预测及实际振动预测 200
7-5-3 基于递推合成BP网络的汽轮发电机组振动故障的短期预测 205
7-6 神经网络用于机组故障的自适应预测展望 214
7-7 小结 216
参考文献 218