《汽轮机运行性能诊断技术及其应用》求取 ⇩

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