导读:本文包含了故障状态监测论文开题报告文献综述及选题提纲参考文献，主要关键词:电力设备,状态监测,故障诊断
故障状态监测论文文献综述
杨江,赵伟哲[1]（2019）在《电力设备状态监测与故障诊断》一文中研究指出为了使人们能够正常生产,必须定时监测电力系统设备是否存在故障。监测电力设备过程中,应侧重设备的状态、故障诊断这两个方面。本文将电力系统设备作为研究对象,对其状态检测、故障诊断进行分析,呼吁人们必须对设备故障诊断引起重视,确保故障诊断工作能够顺利开展。(本文来源于《科技风》期刊2019年34期）
刘俊,张贤坤[2]（2019）在《电力系统设备状态监测与故障诊断技术研究》一文中研究指出电力系统设备状态监测与故障诊断技术在电力领域的发展过程中具有较强的应用优势,它可为电力系统的正常运行提供重要保障。在此之上,简要分析了电力系统设备状态监测与故障诊断技术的作用,并分别从在线状态监测、离线状态监测、无人检修监测等方面论述了状态监测技术要点,并且通过采取故障特征数据、选择故障诊断方式、分析故障来源过程等内容突出故障诊断技术特点。(本文来源于《科技与创新》期刊2019年22期）
罗如岗[3]（2019）在《海上平台起重机状态监测及故障诊断技术研究与应用》一文中研究指出海上平台起重机是海洋平台重要的设备,在生产、生活及人员上下平台都离不开它,海上平台起重机安全性和可靠性至关重要。本文提出了一种状态监测方法,建立了一套故障库,通过软硬件的结合实现对起重机安全保障系统实时监控、故障诊断功能。(本文来源于《石油和化工设备》期刊2019年10期）
张琪烨[4]（2019）在《机械设备状态监测与故障智能化诊断技术分析》一文中研究指出随着近些年电子计算机技术、现代测量技术以及信号处理技术等得到了快速发展,机械设备的故障诊断技术也有了较快发展。通过此技术能够充分了解并掌握机械设备在使用过程中所处状态,能够明确其是否处在正常运行状态,从而较早的发现故障和原因所在,并进行预报故障发展趋势,以便及时对其进行维护保养。本文主要阐述机械设备状态监测与故障智能化诊断技术,希望能够对相关人士有所帮助。(本文来源于《内燃机与配件》期刊2019年19期）
易源龙,龚晓明[5]（2019）在《状态监测与故障诊断技术在化工设备维护中的应用》一文中研究指出化工设备是化工产品生产中必不可少的,其能否正常运行直接关系产品能否正常生产,稳定良好的化工设备也是化工产品持续生产的前提条件。长期处于强腐蚀、高压或高温、易燃、易爆炸环境中的化工设备很容易发生故障,大大增加了操作人员的工作风险。借助于状态监测和故障诊断技术进行化工机械设备的维护工作已经取得了良好的效果,本文通过查阅文献资料,总结了状态监测与故障诊断内容及维修工作相关情况,并分析了状态监测与故障诊断技术在化工设备维护中的应用。(本文来源于《中国金属通报》期刊2019年09期）
张燕莉,薛新巧,贾国栋[6]（2019）在《设备状态监测与故障诊断分析应用——以离心式压缩机为例》一文中研究指出设备的在线状态监测为设备的状态维修提供了可靠的理论依据,设备在线状态监测可以有效地避免大型事故的发生,节约了大量的维修费用及生产成本,对安全生产长周期运行有着极为重要的意义。(本文来源于《中国石油和化工标准与质量》期刊2019年18期）
王卉,李英顺[7]（2019）在《基于多源信息融合的火炮装填状态监测与故障诊断系统》一文中研究指出针对火炮装填系统故障成因复杂、诊断方法不足等问题,提出一种基于多源信息融合的火炮装填监测与故障诊断的方法。采用知识决策属性进行属性分类,构建神经网络训练模型,对自动装填系统故障进行定性分析并建立故障诊断辨识框架,根据故障决策准则得出故障判断,解决了故障特征的不确定性、故障模式多样性的问题。实例分析结果表明,该方法达到了有效提高故障诊断确诊率的目的。(本文来源于《兵工自动化》期刊2019年09期）
孙重亮,谢兵红[8]（2019）在《基于风力发电系统状态监测和故障诊断技术探究》一文中研究指出本文首先分析了风力发电系统状态监测和故障诊断技术研究现状与发展趋势,本文以金风的永磁直驱发电机为例,对金风的永磁直驱发电机原理及典型故障进行了分析,接着对故障诊断基本理论与方法进行了分析,最后希望本文的研究对该课题的研究有一定的帮助作用。(本文来源于《电子测试》期刊2019年17期）
窦春红[9]（2019）在《风电齿轮箱运行状态监测与故障诊断》一文中研究指出风电齿轮箱是风电机组的重要组成部分,价格昂贵,出现故障会导致风电机组长时间停机,造成严重的经济损失。因此,加强对风电齿轮箱状态监测与故障诊断技术的研究,对于保证风电机组的正常运行,提高风电场的经济效益和社会效益具有重要的意义。本文在总结现有的设备状态监测与故障诊断理论和方法的基础上,针对齿轮箱的故障特征提取问题,提出了如下所述的解决方案,解决了现有方法存在的一些问题,提高了齿轮箱的状态监测与故障诊断效果。(1)提出了基于奇异谱分解的滚动轴承微弱故障特征增强方法。该方法能够自动确定嵌入维数,为重建的序列自动选择主分量,通过附加的缠绕操作增强原始数据的振荡信息,减小模态混迭。仿真实验证明了该方法的有效性。将该方法用于滚动轴承故障诊断,并与包络分析及基于经验模式分解(Empirical Mode Decomposition,EMD)的方法和基于总体经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)的方法进行了对比,结果表明该方法在增强滚动轴承微弱故障特征方面具有优势。(2)提出了基于数据非线性和确定性测度的设备故障特征提取方法。提出了一种量化数据非线性和确定性的方法,然后利用数据的非线性和确定性刻画设备的运行状态。仿真实验证明该方法对噪声具有较好的鲁棒性。将该方法用于齿轮箱故障诊断,并与近似熵、样本熵、排列熵和延迟向量方差方法进行了对比,结果表明该方法在复杂数据特征提取方面具有优势。(3)提出了基于自适应多尺度符号动力学熵(Adaptive Multiscale Symbol-Dynamics Entropy,AMSDE)的设备状态监测方法。将多尺度分析方法引入到统计语义分析中,定义了 AMSDE。AMSDE能够将原始信号转换为一个熵向量,利用该熵向量来刻画设备的运行状态。将该方法用于齿轮箱和滚动轴承状态识别,结果表明该方法能够揭示数据的时间结构和空间结构,在设备状态监测方面与传统的时域统计参数及非线性参数相比具有优势。(4)提出了基于自适应变带宽代价函数的瞬时频率估计方法。该方法能够自适应确定目标脊线的搜索区间,能够解决一步代价函数方法存在的不能自适应确定脊点搜索区间的问题。首先采用数值实验验证了该方法的有效性。接着,将该方法用于估计风电齿轮箱的瞬时频率,并将其与一步代价函数方法及其它传统方法进行了比较,结果表明该方法在机器瞬时频率估计中具有良好的性能,与上述其它方法相比具有优势。(5)提出了基于傅里叶分解方法(Fourier Decomposition Method,FDM)的风电齿轮箱故障特征提取方法。首先比较了 EMD和FDM的滤波性能,证明了 FDM在低频和高频都具有良好的频率分辨率,然后利用仿真数据证明了 FDM在分离频率相近的信号分量方面能够突破EMD和EEMD方法的性能限制。将该方法用于风电齿轮箱故障诊断,并与基于EMD的方法和基于EEMD的方法进行了比较,结果表明该方法在故障特征提取中具有良好的性能,与上述其它方法相比具有优势。(本文来源于《北京交通大学》期刊2019-09-01）
赵坚[10]（2019）在《风力发电机组状态监测和故障诊断技术研究》一文中研究指出我国风能资源丰富,陆地风能储量约2.53亿k W。近年来国家大力发展风力发电,国内风电装机容量累计逐年增长。风力发电机组在长时间运转过程中出现了各种类型的故障,需要运用状态检测与故障诊断技术保障机组的正常运转。据此,对风力发电机组的状态检测与故障诊断技术进行了研究,简要介绍了基于大数据技术的风力发电机组的监测和故障诊断的优势,为促进我国风力发电行业发展提供保障。(本文来源于《机电信息》期刊2019年23期）
故障状态监测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
电力系统设备状态监测与故障诊断技术在电力领域的发展过程中具有较强的应用优势,它可为电力系统的正常运行提供重要保障。在此之上,简要分析了电力系统设备状态监测与故障诊断技术的作用,并分别从在线状态监测、离线状态监测、无人检修监测等方面论述了状态监测技术要点,并且通过采取故障特征数据、选择故障诊断方式、分析故障来源过程等内容突出故障诊断技术特点。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
故障状态监测论文参考文献
[1].杨江,赵伟哲.电力设备状态监测与故障诊断[J].科技风.2019
[2].刘俊,张贤坤.电力系统设备状态监测与故障诊断技术研究[J].科技与创新.2019
[3].罗如岗.海上平台起重机状态监测及故障诊断技术研究与应用[J].石油和化工设备.2019
[4].张琪烨.机械设备状态监测与故障智能化诊断技术分析[J].内燃机与配件.2019
[5].易源龙,龚晓明.状态监测与故障诊断技术在化工设备维护中的应用[J].中国金属通报.2019
[6].张燕莉,薛新巧,贾国栋.设备状态监测与故障诊断分析应用——以离心式压缩机为例[J].中国石油和化工标准与质量.2019
[7].王卉,李英顺.基于多源信息融合的火炮装填状态监测与故障诊断系统[J].兵工自动化.2019
[8].孙重亮,谢兵红.基于风力发电系统状态监测和故障诊断技术探究[J].电子测试.2019
[9].窦春红.风电齿轮箱运行状态监测与故障诊断[D].北京交通大学.2019
[10].赵坚.风力发电机组状态监测和故障诊断技术研究[J].机电信息.2019