旋转机械故障诊断若干关键技术研究及应用

前言

第1章 绪论

1.1 旋转机械在线监测与故障诊断的研究意义

1.2 故障诊断技术的发展概况

1.3 故障诊断的方法与技术

第2章 旋转机械振动故障机理研究

2.1 旋转机械振动故障的特点

2.2 旋转机械振动故障的特征和识别

第3章 信号分析方法及旋转机械故障分析实验设计

3.1 信号分析方法

3.2 旋转机械故障分析实验设计

第4章 基于小波分析技术的旋转机械故障分析

4.1 几类常见故障的特征提取

4.2 叶片裂纹故障特征提取

第5章 基于小波和聚类分析相结合的旋转机械故障诊断

5.1 聚类分析

5.2 基于小波和聚类分析相结合的转子故障诊断

第6章 基于粗糙集和神经网络的旋转机械故障知识识别

6.1 知识系统的构建

6.2 粗糙集属性约简

6.3 数据化知识识别

第7章 基于模糊聚类分析的自动诊断

7.1 水轮发电机组振动特征分析

7.2 模糊诊断方法

7.3 基于核函数的聚类理论与方法

7.4 基于核函数聚类分析的综合自动诊断

第8章 基于知识的故障诊断方法研究

8.1 故障诊断专家系统

8.2 诊断知识的表示

8.3 诊断系统的模糊推理与控制策略

8.4 基于数据库的知识库管理系统

第9章 旋转机械状态监测与故障诊断硬件系统设计

9.1 中小型水轮发电机组状态监测与故障诊断硬件系统设计

9.2 风机状态监测与故障诊断硬件系统设计

9.3 PCI-1713卡编程方法的选取

9.4 PCI-1713卡的测试

第10章 旋转机械状态监测与故障诊断系统应用研究

10.1 水轮发电机组故障诊断系统（HGSFDS）

10.2 基于网络的风机在线状态监测和故障诊断系统（FMDS）

参考文献

《旋转机械故障诊断若干关键技术研究及应用》对水轮发电机组和风机典型故障的机理进行了分析和总结。应用小波分析方法提取了旋转机械三类常见故障以及叶片裂纹故障的特征，并通过实例分析说明运用小波分析方法可以较好地诊断旋转机械故障，且把小波和聚类分析相结合对旋转机械典型故障进行了诊断，进而实现了在故障类层次上的模糊模式识别的自动诊断方法。采用Visual C++语言和Access数据库工具开发了功能完善、运行速度快、操作简单、界面友好的水轮发电机组故障诊断系统（HGSFDS）和风机在线状态监测与故障诊断系统（FDMS），并给出了系统运行实例。《旋转机械故障诊断若干关键技术研究及应用》的研究成果对旋转机械故障诊断理论与应用的发展具有积极的促进作用。
《旋转机械故障诊断若干关键技术研究及应用》可作为机械、冶金、矿业、化工、能源等领域从事机械设备监测和故障诊断、设备维修和管理的工程技术人员以及高校教师、研究生进行科研、教学和学习的参考书。