基于AI-PHM的水輪發(fā)電機組數(shù)智檢修

前言
第1章 緒論
1.1 PHM的概念和內(nèi)涵
1.2 PHM技術(shù)的發(fā)展和現(xiàn)狀
1.3 水輪發(fā)電機組實施PHM的背景及意義
1.4 PHM關(guān)鍵技術(shù)
問題與思考
第2章 PHM方法體系及設(shè)計
2.1 PHM結(jié)構(gòu)型式與選擇
2.2 PHM系統(tǒng)結(jié)構(gòu)設(shè)計
2.3 水輪發(fā)電機組PHM系統(tǒng)體系結(jié)構(gòu)設(shè)計
問題與思考
第3章 水輪發(fā)電機組PHM統(tǒng)數(shù)據(jù)采集及分析技術(shù)
3.1 數(shù)據(jù)采集
3.2 數(shù)據(jù)清洗
3.3 數(shù)據(jù)分析技術(shù)
問題與思考
第4章 水輪發(fā)電機組健康狀態(tài)評估技術(shù)
4.1 水輪發(fā)電機組健康狀態(tài)評估概述
4.2 水輪發(fā)電機組健康狀態(tài)的分級
4.3 基于FMECA-劣化度的水輪發(fā)電機組健康狀態(tài)評估
4.4 應(yīng)用舉例
問題與思考
第5章 水輪發(fā)電機組故障數(shù)智診斷技術(shù)
5.1 基于SVM的數(shù)智診斷方法
5.2 基于神經(jīng)網(wǎng)絡(luò)的數(shù)智診斷方法
5.3 基于混合模型的數(shù)智診斷方法
5.4 應(yīng)用舉例
問題與思考
第6章 水輪發(fā)電機組故障預測技術(shù)
6.1 故障預測概述
6.2 基于SVM的故障預測
6.3 基于時間序列AR模型的故障預測
6.4 基于貝葉斯網(wǎng)絡(luò)的故障預測
6.5 應(yīng)用舉例
問題與思考
第7章 水輪發(fā)電機組檢修決策
7.1 檢修決策概述
7.2 基于模糊多屬性原理的檢修行為決策
7.3 基于比例風險模型的檢修時機決策
7.4 應(yīng)用舉例
問題與思考
第8章 水輪發(fā)電機組AI-PHM系統(tǒng)應(yīng)用
8.1 引言
8.2 基于全息監(jiān)測的水輪發(fā)電機組AI-PHM系統(tǒng)設(shè)計及實現(xiàn)
8.3 水輪發(fā)電機組AI-PHM系統(tǒng)在某水電站的應(yīng)用
第9章 PHM技術(shù)發(fā)展趨勢
9.1 水輪發(fā)電機組PHM技術(shù)研究總結(jié)
9.2 水輪發(fā)電機組PHM技術(shù)發(fā)展趨勢
問題與思考
附錄
參考文獻