前言 1
第一章 绪论 1
1.1旋转机械故障诊断技术的研究意义 1
1.2旋转机械故障诊断主要方法及特点 2
1.2.1时域分析法 2
1.2.2频域分析法 4
1.2.3时频域分析法——小波分析法及分形分析法 4
1.3旋转机械故障诊断技术新进展 5
1.3.1基于人工神经网络的故障诊断方法 5
1.3.2基于模糊逻辑推理的故障诊断方法 6
1.3.3基于模糊神经网络的故障诊断方法 6
1.3.4基于专家系统的故障诊断方法 6
1.3.5智能融合故障诊断方法 6
1.3.6基于人工免疫系统的故障诊断方法 7
1.4本章小结 7
第二章 旋转机械故障诊断原理 9
2.1旋转机械故障诊断概述 9
2.1.1测振传感器 9
2.1.2数据采集与处理 10
2.2振动诊断的基础工作 11
2.3旋转机械典型故障 14
2.4旋转机组典型故障特征提取 18
2.5本章小结 20
第三章 基于人工免疫系统的故障诊断原理 21
3.1人工免疫系统原理及模型 21
3.1.1人工免疫系统的生物原型 21
3.1.2人工免疫系统的仿生机理 22
3.1.3人工免疫系统模型与算法 27
3.1.4人工免疫系统的典型应用 30
3.2阴性选择算法介绍 32
3.2.1阴性选择算法 32
3.2.2检测信号处理及检测器训练 33
3.3阴性选择算法新的改进 35
3.3.1现有阴性选择算法存在的不足 35
3.3.2新改进的阴性选择算法 36
3.4新改进的阴性选择算法流程及仿真分析 37
3.4.1新改进的阴性选择算法流程 37
3.4.2变异搜索方法1算法流程及仿真 39
3.4.3变异搜索方法2算法流程及仿真 40
3.5本章小结 41
第四章 基于免疫系统的机组ISO—2372诊断标准 42
4.1 ISO—2372国际诊断标准诊断原理 42
4.2利用阴性选择算法实现机组ISO—2372诊断标准 42
4.3旋转机组运行状态监测的实际实现 45
4.4本章小结 45
第五章 无量纲指标特征及免疫检测器 46
5.1时域分析法提取故障特征 46
5.2无量纲指标特性及优点分析 47
5.2.1概率密度分布函数 47
5.2.2无量纲幅域诊断参数与典型信号的关系 47
5.2.3无量纲指标应用于故障诊断技术中的优点 50
5.3旋转机组故障免疫检测器的生成与定义 52
5.4电动机-压缩机机组试验提取故障特征的原理与方法 54
5.4.1试验机组组成及工作原理 55
5.4.2振动数据采集系统 55
5.4.3无量纲指标计算与故障特征提取方法 56
5.5试验旋转机组免疫检测器生成原理 58
5.6本章小结 62
第六章 基于免疫系统的机组故障诊断试验及仿真 63
6.1利用试验方案1进行无量纲指标免疫检测器的离线训练 63
6.1.1利用试验方案1建立与独有故障特征的免疫检测器集R′ 63
6.1.2试验方案1的小结与讨论 69
6.2利用试验方案2进行机组故障特征提取 70
6.2.1五种故障的特征提取试验 71
6.2.2复合故障的特征提取试验 76
6.2.3高频故障的特征提取试验 83
6.3基于人工免疫系统的机组故障诊断实验及仿真 85
6.3.1集成诊断 85
6.3.2基于人工免疫系统的机组故障诊断系统软件 86
6.3.3基于人工免疫系统的机组故障诊断仿真实验 88
6.4本章小结 89
第七章 汽轮机-压缩机组智能故障诊断系统设计 91
7.1重整K201汽轮机-压缩机组 91
7.1.1重整生产工艺流程及其装置 91
7.1.2重整K201汽轮机-压缩机机组 91
7.2重整车间K201汽轮机-压缩机组智能故障诊断系统 94
7.2.1设计方案 94
7.2.2系统结构与特性 96
7.2.3数据图表简介 101
7.3重整K201机组智能故障诊断系统运行应用研究 103
7.4本章小结 104
总结与展望 105
参考文献 108
项目支撑 116