幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

風電機組振動監測故障診斷與壽命預測

  • 作者：滕偉//柳亦兵//丁顯|責編:孔勁//戴琳
  • 出版社：機械工業
  • ISBN：9787111735571
  • 出版日期：2023/11/01
  • 裝幀：平裝
  • 頁數：188
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書詳細介紹風電機組的振動監測、故障診斷與壽命預測的基礎理論、相關方法及工程應用。主要內容包括風電機組結構及運行控制、風電機組振動監測基礎、風電機組傳動鏈故障特徵提取、風電機組群的智能故障診斷及風電機組軸承的剩餘使用壽命預測方法。
    本書注重理論聯繫實際，書中通過大量風電場的故障案例對相關方法進行了驗證，適合從事風電設備狀態監測與故障診斷工作的研究人員使用，也可以為風電場技術人員提供運維參考。
作者介紹
滕偉//柳亦兵//丁顯|責編:孔勁//戴琳
目錄
第1章  緒論
  1.1  風能產業與特點概述
    1.1.1  風能產業發展概述
    1.1.2  風電機組故障診斷與壽命預測的意義
  1.2  風電機組狀態監測技術
    1.2.1  振動監測技術
    1.2.2  油液監測技術
    1.2.3  無損檢測技術
    1.2.4  不平衡狀態監測技術
    1.2.5  基於模態分析的狀態監測技術
  1.3  風電機組傳動鏈故障診斷方法
    1.3.1  風電齒輪箱故障動力學模型
    1.3.2  變轉速工況下故障特徵提取
    1.3.3  故障信息增強方法
    1.3.4  智能故障診斷方法
    1.3.5  風電機組關鍵部件壽命預測方法
  1.4  風電機組振動診斷與預測技術難點
  1.5  風電機組監測、診斷技術發展的關鍵
第2章  風電機組結構及運行控制
  2.1  風電機組總體結構
  2.2  雙饋機組傳動鏈結構
  2.3  直驅機組結構
  2.4  半直驅機組結構
  2.5  風電機組運行控制原理
    2.5.1  風力發電的空氣動力學模型
    2.5.2  風電機組的控制技術
第3章  風電機組振動監測基礎
  3.1  風電機組傳動鏈失效原因
    3.1.1  交變載荷引起的疲勞損傷
    3.1.2  過載引起的損傷
    3.1.3  維護不當引起的故障
  3.2  齒輪、軸承故障狀態下的振動機理
    3.2.1  齒輪故障振動調製機理
    3.2.2  軸承故障振動調製機理
  3.3  風電齒輪箱故障特徵頻率
    3.3.1  一級行星+兩級平行結構齒輪箱特徵頻率
    3.3.2  二級行星+一級平行結構齒輪箱特徵頻率
    3.3.3  行星級各齒輪故障特徵頻率
    3.3.4  定軸軸承故障特徵頻率
    3.3.5  行星軸承故障特徵頻率
  3.4  風電機組傳動鏈振動監測系統
    3.4.1  在線振動監測系統
    3.4.2  離線振動監測系統
    3.4.3  振動採樣頻率的確定
  3.5  風電機組傳動鏈振動評價標準
    3.5.1  風電檢測認證及振動測試標準
    3.5.2  風電機組振動評價標準
第4章  風電機組傳動鏈故障特徵提取
  4.1  振動信號基本分析方法
    4.1.1  時域分析

    4.1.2  頻域分析
    4.1.3  包絡解調分析
    4.1.4  倒頻譜分析
  4.2  行星部件故障特徵提取
    4.2.1  行星輪系局部故障
    4.2.2  行星輪系分散式故障
    4.2.3  行星軸承故障
  4.3  風電齒輪箱典型故障特徵提取
    4.3.1  中間軸小齒輪崩齒故障
    4.3.2  高速軸齒輪故障
    4.3.3  齒輪、軸承複合故障
  4.4  發電機軸承故障特徵描述與提取
    4.4.1  軸承潤滑不良
    4.4.2  軸承電腐蝕故障
    4.4.3  軸承打滑跑圈故障
    4.4.4  發電機軸承保持架故障
    4.4.5  電磁振動下發電機軸承故障
  4.5  自適應故障特徵提取
    4.5.1  自適應特徵提取方法
    4.5.2  基於經驗模態分解的齒輪故障特徵提取
    4.5.3  基於經驗小波變換的軸承故障特徵提取
  4.6  風輪不平衡故障特徵提取
第5章  風電機組群智能故障診斷
  5.1  智能故障診斷基礎
    5.1.1  有監督學習的模式識別原理
    5.1.2  無監督學習的模式識別原理
    5.1.3  兩種模式識別方法的比較
  5.2  基於自適應共振神經網路的風電機組趨勢分析
    5.2.1  ART-2神經網路結構
    5.2.2  ART-2神經網路學習演算法
    5.2.3  基於ART-2神經網路的發電機軸承健康趨勢分析
  5.3  結合ART-2神經網路和C-均值聚類的機組群智能診斷
    5.3.1  ART-2神經網路演算法存在的問題
    5.3.2  C-均值聚類演算法
    5.3.3  結合ART-2神經網路和C-均值聚類的分類演算法
    5.3.4  風電機組設備群故障診斷
  5.4  基於模糊核聚類的風電機組故障診斷
    5.4.1  模糊核聚類演算法
    5.4.2  優化模糊核聚類演算法
    5.4.3  基於模糊核聚類演算法的故障診斷
    5.4.4  風電機組故障診斷案例
第6章  風電機組軸承剩餘使用壽命預測
  6.1  風電機組軸承剩餘使用壽命預測基本概念
  6.2  基於神經網路滾動更新的風電齒輪箱軸承剩餘使用壽命預測
    6.2.1  短期趨勢預測的神經網路
    6.2.2  剩餘使用壽命預測流程
    6.2.3  案例分析
  6.3  基於改進無跡粒子濾波的發電機軸承剩餘使用壽命預測
    6.3.1  貝葉斯濾波
    6.3.2  剩餘使用壽命預測流程

    6.3.3  案例分析
  6.4  基於特徵融合與自約束狀態空間估計的軸承剩餘使用壽命預測
    6.4.1  軸承健康指標構建
    6.4.2  自約束狀態空間估計器
    6.4.3  案例分析
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032