一、变频器故障维修实例（论文文献综述）
马广璐[1]（2021）在《风电机组机会维修策略研究》文中研究指明风电机组的维护成本居高不下,维修策略是影响维护成本的主要原因之一。本文以双馈式风电机组为主要研究对象,收集整理风电机组实际运行历史故障数据以及相关的风电场运行维护资料。通过对风电场运行以来发生的故障数据进行统计,分析风电机组发生故障概率较高的系统及部件。同时使用较为常用的最小二乘法进行风电机组故障数据分析,对二参数威布尔分布模型进行参数估计。研究并完善了现有风电机组各部件选用的机会维修策略,综合考虑了运行与故障两种机组状态,部件预防性更换维修与故障事后维修两种维修机会,等待出发与到达机组等五个维修阶段,分别总结了以单台维修及多台风电机组共用维修机会进行维修的两种情况中所有可供选择的维修方式及其适用条件,并分别建立了机会维修条件下的维修成本模型,给出了机会维修策略的应用实例,并将所得维修成本进行对比,得到了多台风电机组共同进行维修更有助于更加充分地利用各部件维修活动间的经济相关性,提高维修计划的灵活性,能有效降低维修成本的结论。最后,介绍了海上风电的发展情况,总结了海上风电机组及其维护作业的特点,分析了不可及状态对维修活动的影响。将前文的维修策略扩展到海上风电机组,并给出应用实例,将结果进行对比。得出结果表明,海上多台风电机组进行机会维修更利于降低维修部件的固定成本,提高机组可靠性,能很大程度地降低成本,提高海上风电机组的运维现状,也验证了多台风电机组共用维修机会的机会维修策略在风电机组中应用的有效性。
谢鲁冰[2]（2021）在《海上风电机组动态机会成组维修策略的研究》文中认为我国海岸线辽阔,海上风能资源丰富。海上风电机组距离电力负荷中心近,接入条件好,具有良好的大规模发展前景。当前,我国海上风电产业已由起步阶段步入快速发展期,虽然在海上风电机组的设计制造和建设方面积累了经验,但因海上风电机组故障率高,运维难度大,现阶段仍缺乏海上风电场运维技术方面的系统研究。作为运维技术研究的关键环节,维修策略研究能够进一步提高机组可靠性及维修可达性,起到提高海上风电场能效水平的作用,这对进一步促进海上风电产业的节能降耗具有重要的理论价值和工程实践意义。针对海上风电机组维修策略研究的关键技术问题进行了系统研究,主要研究内容如下。（1）开展了海上风电机组的可靠性分析方法研究。通过分析海上风电机组故障数据采集的重要性与局限性,针对机组故障数据有限的情况,构建了基于三参数威布尔分布的海上风电机组故障预测模型,研究了三参数威布尔分布模型的参数估计方法,在双线性回归参数估计方法的基础上引入中位数的概念,有效避免了因故障数据有限所造成的估计失真问题。通过算例对所构建的模型进行验证,结果表明,较之采用二参数威布尔分布的故障模型,采用三参数威布尔分布故障模型得出的失效率曲线与机组实际故障率拟合程度更高,可作为海上风电机组维修策略研究的技术基础。（2）研究了海上风电机组维修天气窗口时间的预测问题。基于海上风浪数据和维修任务的分级规则,采用排队理论对机组维修等待时间进行了研究。在剖析α修正因子天气窗口预测方法基础上,通过引入维修任务故障率的方法降低了人为主观因素对天气窗口预测的误差。研究结果表明,该预测方法能够进一步挖掘维修船舶等维修资源的性能空间,起到合理延长维修天气窗口时间作用,为海上维修的时间预测提供了技术依据。（3）引入海上维修天气窗口时间检验因素,并考虑海上风电机组多部件维修的相关性,构建了海上风电机组动态机会成组维修策略的数学模型,通过算例得出了预防性维修周期内的最优维修间隔时间及维修组合方案。结果表明:同时考虑经济相关性和结构相关性的动态机会成组维修策略,能够更加充分地利用海上维修窗口时间,进一步降低系统维修费用,结构相关性系数越大,组合中部件数量越多,费用节约效果愈加明显。（4）从海上风电场能效分析角度出发,对所构建的海上风电机组动态机会成组维修模型进行实例验证。分析了海上风电机组能效损失机理并提出了各项能效指标,研究了海上维修不可达性对机组能效损失的影响,针对海上风速与浪高的预测方法,将马尔科夫链预测方法与经验公式推导法进行了对比分析,验证了马尔科夫链预测方法在海上浪高预测方面的精准性。以海上风电场机组群为研究对象,通过江苏某海上风电场作为实例验证了维修模型的有效性,结果表明,海上风电场年平均上网电量提高了5.09%,停机次数降低了24.05%,维修费用降低了9.04%。
胡雪雪[3]（2020）在《矿井提升机全自动运行监控系统研究》文中认为矿井提升机是煤炭井下运输的最后环节,每天不间断的运行,其工作任务繁重,电力消耗巨大。现阶段国内大多数矿井都采用单PLC作为主控制系统来控制提升机运行,很大一部分调速系统仍使用转子回路串电阻进行调速,长时间运行,能耗过大。在实际运行中,有时故障会出现在PLC硬件或外围器件上,导致提升机停运,给煤炭生产和安全造成严重损失。本文设计并开发了一套冗余PLC控制的矿井提升机全自动运行监控系统。介绍了总体方案设计,采用两套西门子S7-400 PLC来实现硬件的双机热备,保留原转子回路串电阻调速系统,接入变频调速系统,并通过软件编程实现用模拟退火-遗传算法来优化提升机运行参数、双PLC故障的冗余切换及通讯、节能运行控制、变频和转子回路串电阻调速方式的切换、安全回路、模糊故障树诊断及报警等,确保提升机安全可靠运行。为了保证提升机节能运行,本文提出了一种节能运行控制方法。运用模拟退火-遗传算法优化使一次提升能耗最小时的提升机运行参数,并带入S行程控制算法来控制提升机运行,并与实际一次提升能耗相比较,分析结果表明本文提升机节能运行控制算法能够实现提升机节能、安全、稳定和可靠运行。为了保证提升机可靠运行,本文提出了一种模糊故障树诊断分析方法。设计了矿井提升系统模糊故障树诊断分析。运用模糊故障树对“钢丝绳”系统故障进行定性和定量分析,求出重要度并按大小排序,结果表明运用模糊故障树诊断技术对提升系统故障进行诊断,可给检修人员提供技术参考,保证提升机得到及时检修。选用西门子WinCC组态软件完成上位机监控设计。通过MPI通讯协议实现上位机与现场PLC数据交换,实时显示并监控提升机在井筒中运行时的各种状态及故障报警信息,根据监控界面,司机可实时掌控提升机工作状况。本文通过对某矿矿井提升机全自动运行监控系统的研究,实现了该提升机的全自动运行,保证了该提升机运行更加稳定可靠,减小了系统功耗,检修更加方便,提高了生产效率。
王达梦[4]（2020）在《以可靠性为中心的风电机组机会维修策略研究》文中研究指明全球气候变暖要求提高可再生能源在电力领域中的份额,促使风电高速发展。在风电累计装机容量不断增长的同时,全球浮现出巨大的风电场运行维护市场。风电机组是风电场的核心设备,恶劣的运行环境与不便的维护条件,使得风电机组的故障率和维护成本远高于传统发电设备。维修策略的选择是影响风电机组维护成本的重要因素。开展维修策略的优化研究,提高维护技术水平,降低维护成本,是提升企业竞争力的关键。本文依托于河北省科技计划项目“新能源发电系统中风电运维与光伏逆变技术研究”（15214307D）,以风电机组为研究对象,针对风电机组维修策略优化中的关键技术问题,从理论分析、技术改进、仿真分析、效果验证等角度系统地开展研究。论文的主要研究内容如下:（1）研究并改进了风电机组部件的故障危害性分析方法。分析了现有方法的不足,总结了影响风电机组部件故障危害性分析的有关因素,定义了故障向量、故障向量空间等概念,并据此提出了基于故障向量空间的改进危害性分析方法;建立了基于逆序数的差异分析方法,对比了不同危害性分析方法之间的差异。结果表明:改进的危害性分析法不仅继承了现有方法的优点,还具有高度的扩展性,使得在危害性分析中很容易增加对新因素的考虑。改进的方法能有效融合定量因素和定性因素,不受因素取值范围的影响,不受因素个数的限制,兼顾各因素相对权重,所得结果具有鲜明的物理意义,能够更为有效地区分关键部件与非关键部件。（2）研究并提高了小故障样本条件下风电机组部件的可靠性建模技术。对部件故障样本数据做出了服从威布尔分布的假设,并进行了检验;以其它风电场的故障样本数据为先验信息,为目标风电场的机组部件建立了经典可靠性模型、贝叶斯一般可靠性模型以及贝叶斯分层可靠性模型,并求解了模型参数;以可靠度函数置信区间的平均宽度等为衡量指标,讨论了故障数据样本量对各模型建模精度的影响。结果表明:相比于经典可靠性模型,贝叶斯一般可靠性模型或贝叶斯分层可靠性模型给出的形状参数分布更集中。在使用相同样本量时,前者建模精度低于后者。使用较大样本量时,贝叶斯分层可靠性模型给出的可靠度函数置信区间更窄。先验样本量较小时,宜采用贝叶斯一般可靠性模型,反之,宜采用贝叶斯分层可靠性模型。（3）研究并完善了风电机组部件的机会维修策略。综合考虑了多种机组状态、多种维修机会、多个维修阶段,总结了可选维修方式及其适用条件,建立了部件维修后的可靠度变化模型、细化的维修成本模型、连续集成的成本优化模型,给出了策略实施流程。通过对比不同策略在风电机组部件上的应用实例,得出了以下结论:机会维修策略能显着降低风电机组部件的总维修次数及总维修成本,考虑的因素越全面,降低的效果越明显。此外,为各部件设置单独的维修可靠度阈值,能够实现维修成本的进一步降低。（4）研究并探索了以可靠性为中心的海上风电机组机会维修策略。总结了海上风电机组及其维护作业的特点,统计了维护作业不可及状态,分析了不可及状态对维修活动的影响;运用改进的危害性分析方法,准确地区分了海上风电机组关键部件与非关键部件;建立了小故障样本条件下海上风电机组非关键部件的可靠性模型;在机会维修策略中综合考虑关键部件与非关键部件,最终形成了以可靠性为中心的海上风电机组机会维修策略。实例分析结果表明:浪高是限制出海维修活动的主要因素,风速是次要因素。在现行策略下,不可及状态产生了的额外电能损失占据了总电能损失的17.22%。相比于现行策略,以可靠性为中心的海上风电机组机会维修策略在处理维修不可及状态问题时更具优势,能够显着地降低各个部件维修成本、总维修次数以及总维修成本。
贾子文[5]（2020）在《风电机组运行状态监测与健康维护系统的研究》文中研究指明随着我国风电行业的迅速发展,风电装机容量逐年增加,风力发电已成为我国第三大电力来源。然而,伴随着大规模风电场的投产运行,老龄化和出质保机组占比不断上升,风电机组的高故障率和落后的运维管理水平导致风场设备运维资本投入逐年走高。如何保障风电机组安全运行,提高机组设备维护管理水平已成为风电行业亟待解决的问题。本文基于并网风电机组结构及工作原理等内容研究,深度剖析机组运行特性,开展了风电机组运行状态监测与健康维护方法和应用系统的研究。主要工作如下:首先,基于系统科学理论,深入研究风电机组故障发生及演化规律。在其指导下,从机组设备运行状态安全性角度、设备能源效率转化能力的经济性角度和设备性能可靠性角度,展开了对风电机组3大系统、42个典型故障模式机理问题的全面分析,明确了各故障模式与征兆间的映射关系。引入失效模式及影响分析（Failure Modeand Effects Analysis,FMEA）和故障树分析（Fault Tree Analysis,FTA）方法,对机组故障机理知识内容进行全面梳理与表述,形成了风电机组运行状态监测与健康维护知识体系。其次,基于风电机组故障机理分析,开展了机组状态指标分析与体系构建问题的研究。以综合评价理论为指导、风电机组结构及功能特点为技术支持,明确机组运行状态指标的选取原则与层次原则,进行了指标体系的初建,构建了机组设备与功能之间的对应关系。从设备运行安全性、经济性和可靠性角度全面分析机组运行状态指标特性,形成了“三维一体”的机组运行状态指标表征机制,明确了指标与设备功能的对应关系。提出基于对应分析的多块分析方法,从设备运行状态角度出发,展开了设备运行指标之间的关联分析,明确了指标与设备的对应关系,完善指标体系内容,完成“指标-设备-功能”三者关联的机组运行状态指标体系的搭建。接着,针对目前故障智能诊断方法存在状态估计不准确、模型结构复杂等问题,提出了以多元信息为主导,指标体系为支撑的多同质、异质模型有机结合的复合网络诊断模型。（1）从网络结构上,多层、多级的拓扑结构形成了“由整体到局部”的解析路径,将机组复杂故障问题逐层分解,降低故障整体分析难度,简化网络结构,提高模型分析效率与可行性。（2）从模型功能上,复合网络模型包含数据预处理、特征提取、故障预警和诊断等与状态分析相关内容,形成了系统化的诊断流程。（3）从分析可信度上,复合网络在预警环节提出因子分析改进的层级NSET分析方法（FA-HNSET）,通过数据指标特性对设备运行状态表征程度的分析,合理筛选多元化的预警样本,以提升样本数据特征及预警精度。诊断环节提出ETA-FPN多重网络模型,建立了顶层故障事件推理同局部故障征兆推理相融合的双层推理机制,并通过改进信息熵方法对模型网络节点信息进行全面解析,合理构建网络结构,实现了对机组故障事件的时序性和关联性描述,保证诊断结果的准确性。（4）从分析效果上,复合网络系统化、流程化的诊断策略可为机组故障诊断结果提供完整的证据链条,在实现机组故障全面描述的同时,为机组健康维护提供关键信息支持。再次,进行了风电机组健康维护问题的全面研究。（1）采用模糊评判方法,对机组进行层级健康评价,通过评价结果确定制定维护决策的必要性。（2）通过ARMA模型,对机组设备运行状态进行合理演绎,预测故障劣化趋势,准确锁定维护作业时刻,保证设备维护的有效性。（3）以FMEA与FTA理论方法为指导,通过统计分析确定故障模式及具体故障设备的维修顺序,并运用逻辑决策图分析与故障底事件性质划分方法,确定具体故障事件的维修方式,完成机组设备健康维护具体工作的制定,提高机组维护工作的针对性。最后,将风电机组运行状态监测与健康维护技术框架应用于工程实践。依托国华沧州风电场1.5MW陆上风电机组,开展了机组运行状态监测与健康维护系统的研究工作。采用MySQL关系数据库,基于B/S构架模式设计并开发了 1.5MW风电机组运行状态监测与健康维护系统,以推进论文研究工作的成果转化和工程应用。
刘森,张书维,侯玉洁[6]（2020）在《3D打印技术专业“三教”改革探索》文中指出根据国家对职业教育深化改革的最新要求,解读当前"三教"改革对于职教教育紧迫性和必要性,本文以3D打印技术专业为切入点,深层次分析3D打印技术专业在教师、教材、教法（"三教"）改革时所面临的实际问题,并对"三教"改革的一些具体方案可行性和实际效果进行了探讨。
杨向艳[7]（2020）在《风电机组预防性成组维修策略研究》文中研究表明随着风电行业的快速发展,风电机组的累计装机容量已位列世界第一,但相应的风电场运维技术却不够成熟,在加上风电机组各制造商的整机制造水平存在差异以及风电机组的运行环境恶劣等因素,使得风电机组故障频发,增加了维修成本,降低了风电场的经济效益。本文基于筛选过的张北某风电场的实际运行故障数据,分别用传统威布尔模型和现代神经网络模型对其进行可靠性分析,并将两种方法得到的结果进行对比分析,得到最优可靠性指标。最后运用得到的可靠性指标建立风电机组成组维修模型,给出成组维修策略计划。论文的主要研究工作如下:（1）基于风电场实际运行产生的故障历史数据,建立威布尔分布模型并估计模型参数,得到风电机组整机及部件的可靠性量化指标。（2）基于神经网络模型及参数估计。以风电场运行故障的历史数据为基础,应用神经网络模型对风电机组零部件的可靠性指标进行求解,并与运用威布尔模型得到的可靠性指标进行了对比分析。（3）预防性成组维修策略研究。利用前述方法得到风电机组零部件的可靠性分析结果,计算维修费用,然后建立风电机组成组维修模型,模型计算的目标是使得总维修费用最低,最终目的是优化成组维修时间并给出风电机组成组维修策略计划结果。
刘诗源[8]（2020）在《矿井提升机传动系统故障诊断与健康管理关键技术研究》文中提出矿井提升机作为连接矿山井下生产系统和地面的关键通道,一旦发生故障,将直接影响矿山生产人员的生命安全和矿井的生产能力。因此,实现矿井提升机的故障诊断与健康管理具有重要意义和巨大经济价值。近年来,随着信号分析方法、数据挖掘以及人工智能技术的不断发展,基于数据驱动的故障诊断方法获得广泛关注,目前已成为实现智能故障诊断的主要研究方向之一。本文以矿井提升机传动系统为研究对象,通过对数据驱动故障诊断方法的国内外研究现状进行分析,研究传动系统中逆变器、轴承和驱动电机三个关键部件的故障诊断方法。由于提升机传动系统结构复杂,还需要在实现零部件故障状态识别后,进一步分析挖掘故障原因。基于数据驱动的故障诊断方法主要针对设备不同故障类型的不同零部件,在不同生命周期与工况条件下,实现故障状态的有效识别,但未能挖掘引发故障的深层次原因。基于本体的故障诊断能够从宏观层面对故障诊断知识进行建模,挖掘引发故障的深层次原因,因此,需研究将基于数据驱动的故障诊断与基于本体的故障诊断相结合,实现从模式识别到故障知识推理与诊断的全过程。针对以上问题开展研究工作,主要内容包括:（1）研究了基于自适应电周期划分和随机森林的NPC三电平逆变器故障诊断方法。基于NPC三电平逆变器的电路及故障分析,提出了一种主要依赖于输出电流信号特性的自适应电周期划分算法（Adaptive Electrical Period Partition,AEPP）,对变化周期的三相电流信号划分电周期,再利用最大重叠离散小波变换（Maximal Overlap Discrete Wavelet Transform,MODWT）对各电周期信号进行分解,结合Park矢量模（Park’s Vector Modulus,PVM）归一化的低频分量,计算11种统计参数,构建原始统计特征集。基于随机森林分类器构建NPC三电平逆变器开路故障诊断模型,分别采用仿真实验数据和逆变器故障实验平台数据进行实验分析,实验结果表明,在电机变速过程中,所提出的故障诊断模型对变周期三相电流故障信号具有较好诊断性能,能够取得理想的故障诊断准确率。（2）研究了基于敏感特征选取与最大局部边界准则的提升机轴承故障诊断方法。研究基于双树复小波包变换（Dual-Tree Complex Wavelet Packet Transform,DTCWPT）的振动信号分析方法,利用DTCWPT分解振动信号,基于终端节点的重构信号及其Hilbert包络谱,提取统计特征,构成原始特征集。为从高维原始特征集中选取更有利于轴承故障模式识别与分类的敏感特征构建特征子集,提高故障诊断的准确率,提出一种基于特征聚类与特征间相关系数的敏感特征选取方法（Sensitive Features Selection by Feature Clustering and Correlation Coefficient between Features,FSFCC）,对各统计特征的故障状态敏感度进行量化分析,选取敏感度高的特征构建特征子集。为减少高维特征集中冗余和干扰特征,降低计算复杂度,提高数据可分性,提出了一种最大局部边界准则（Maximum Local Margin Criterion,MLMC）的特征降维方法,通过映射变换获得原始高维特征集的低维表达,并提高特征集的判别性能。在支持向量机（Support Vector Machine,SVM）分类器基础上,结合FSFCC和MLMC,构建OFS-FSFCC-MLMC-SVM轴承故障诊断模型,采用美国凯斯西储大学轴承故障数据与美国Spectra Quest公司的SQI-MFS机械故障综合模拟试验台轴承故障数据进行不同工况下故障诊断实验分析,实验结果表明,FSFCC方法能够有效选取敏感特征,MLMC方法能够降低计算复杂度、减少冗余和干扰特征并提高特征数据集的可分性,使用FSFCC和MLMC能够明显提高诊断模型在不同工况下故障诊断的准确率。（3）研究基于敏感特征迁移学习的提升机轴承故障诊断。针对目前基于数据驱动的故障诊断方法存在的两点局限,（1）多数基于数据驱动的故障诊断模型,是在训练数据集与测试数据集之间具有相同分布的假设下构建的,而工业场景下,变工况设备的测试数据与训练数据存在分布差异,会对实现理想故障诊断性能造成困难。（2）由于实际工业场景下存在变工况与故障的多样性,难以获取足量实际故障状态下的有标签训练样本,在一定程度上限制了智能故障诊断方法在实际工业场景下的应用。因此,在对迁移成分分析（Transfer Component Analysis,TCA）研究的基础上,提出改进TCA（Modified Transfer Component Analysis,MTCA）的特征迁移学习方法,增加了对不同域数据间条件分布差异的考虑和最小化数据类内散度的优化目标,实现降低域间分布差异的同时增强判别性能。在基于DTCWPT的轴承振动信号分析方法和故障敏感特征选取方法FSFCC基础上,结合MTCA方法,构建轴承故障诊断模型OFS-FSFCC-MTCA-SVM。通过实验分析,表明所提出的MTCA方法能够有效降低不同域间分布差异,增强域数据的判别性能,提高使用源域数据训练的故障诊断模型的域适应能力,使故障诊断模型在不同工况下的故障诊断能够取得理想的性能。（4）研究基于类内特征迁移学习与多源信息融合的提升机驱动电机故障诊断。研究基于EEMD的电机故障振动信号与定子电流信号分析方法,选取有效IMF分量,结合包络谱与边际谱分量,提取统计特征,构建原始特征集。在对分层迁移学习（Stratified Transfer Learning,STL）研究的基础上,提出一种改进STL（Modified Stratified Transfer Learning,MSTL）的特征迁移学习方法。分别基于SVM分类器和随机森林分类器构建驱动电机故障诊断模型OFS-MSTL-SVM和OFS-MSTL-RF,采用Spectra Quest公司的SQI-MFS机械故障综合模拟试验台驱动电机故障振动信号和电流信号进行实验分析,实验结果表明,驱动电机在不同工况下,所提出的方法能够有效提高故障诊断准确率,但是不同故障诊断模型利用不同源信号进行故障诊断的性能存在差异,可能存在片面性,因此,提出基于D-S证据融合理论的驱动电机故障诊断框架,在OFS-MSTL-SVM与OFS-MSTL-RF模型基础上,利用D-S证据理论进行决策级融合,融合故障诊断结果表明,所提出的多源信息融合框架能够进一步提高故障诊断准确率。（5）研究将基于数据驱动的故障诊断与基于本体的故障诊断相结合,实现从模式识别到故障知识推理与诊断的全过程。在对提升机传动系统故障诊断知识分析总结基础上,构建故障本体知识库,利用Neo4j图数据库对故障本体知识库进行可视化显示与存储。采用语义映射方法,将基于数据驱动的故障状态识别结果和故障本体知识库中的故障现象实例关联,实现两类方法的优势互补,挖掘引发故障的深层次原因。最后在上述工作的基础上,设计并开发了矿井提升机传动系统故障诊断与健康管理系统,系统包含四个模块,分别是系统操作管理、历史设备故障信息、基于数据驱动的提升机传动系统故障状态识别、基于故障诊断本体知识库的故障原因分析与系统健康管理。
尹浩霖[9]（2019）在《清洁能源发电系统预防性维修决策技术研究》文中指出国内以水电和风电为代表的清洁能源装机规模快速扩大,同时国内电力市场化改革不断深化,水电和风电作为清洁能源发电主力军已先行成为新的市场竞价主体,因此传统的事后维修和无差别计划维修策略已不能满足市场化体制下对发电系统运维可靠性和经济性要求。预防性维修策略是当前设备维修策略研究领域较为活跃的研究内容之一,在传统核电和火电领域已开展较多研究,但是在水电领域以及近几年快速发展的风电领域还未形成系统化的维修策略应用案例。以可靠性为中心的维修策略（Reliability Centered Maintenance-RCM）是预防性维修策略研究领域近几年较为热门的维修策略理论,但传统RCM理论主要应用于航空设备和武器装备领域,直接照搬使用难以满足当前国内清洁能源发电系统预防性维修决策的现实要求。本文的目标是以水电和风电发电设备运行实际为基础,开展基于RCM理论的发电系统预防性维修策略的应用研究,针对传统RCM理论实施过程中主观因素为主、缺乏客观量化数据、决策考虑因素单一的实际缺点进行改进,并对影响预防性决策的故障危害度量化方法、可靠度量化方法、设备重要度评价方法实现的关键技术进行深入研究分析,最终使RCM决策理论成为可以有效包含发电设备故障危害度因素、可靠度因素、设备重要度因素的复合因素预防性维修决策方法。主要研究内容:分析RCM基本理论模型,找出传统RCM理论在发电设备领域应用中存在的主观因素考虑过多、缺乏客观量化数据、决策考虑因素单一的技术缺陷。针对水电和风电领域发电设备实际情况,按照RCM理论实施要求,对影响清洁能源发电系统预防性维修策略制定的设备故障危害度、设备可靠度、设备重要度三个影响因素开展研究,构建融合三个影响因素的发电设备RCM决策模型,在此基础上建立预防性维修辅助决策系统。（1）针对清洁能源发电系统较为复杂的功能和结构,以实际水电和风电发电设备运行数据为基础,研究了水电和风电发电系统各子系统和部件的失效机理、故障模式及后果影响问题,提出了基于灰色理论的故障模式影响及危害分析（Failure Mode Effect and Criticality Analysis-FMECA）模型,给出了水电和风电发电设备故障危害度评价方法和求解算法,并根据实际应用反馈,表明相较于传统RCM理论中使用的矩阵图法具有更高的设备危害度区分精度,同时在工程应用方面扩展和优化了传统FMECA分析表内容。（2）针对当前清洁能源发电系统历史故障小样本条件下所导致的可靠性量化指标计算精度较差的问题,提出基于支持向量回归机威布尔分布的发电设备可靠性量化函数模型,基于实际运行数据构建了水电和风电发电系统的宏观和微观可靠性量化指标体系,通过实际算例与传统威布尔分布函数算法对比,结果表明基于支持向量回归机的函数模型算法具有更高的评估准确性。（3）针对清洁能源发电系统各子系统及部件重要度难以定量评价的问题,对发电系统各子系统及部件重要度影响因素的研究,通过对电厂运维人员的全方位调研和运维数据统计结果分析,设计了包含9项影响因素的设备重要度评价体系,并结合实际发电设备运维数据得出了各影响因素具体的得分结果,提出了基于蒙特卡洛理论模型的设备重要度评价方法,建立了清洁能源发电系统中各子系统及部件的设备重要度评估体系,得到较为全面的清洁能源发电系统设备重要度等级。（4）基于以上设备危害度、设备可靠度、设备重要度关键技术的研究成果,本文通过引入熵理论模型,构建了基于熵理论模型的清洁能源发电系统RCM决策方法,在实施过程中有效融合了改进后的设备故障危害度评价因素、设备可靠度量化因素、设备重要度因素,使RCM决策过程得到完善和优化,通过实例与传统RCM决策结果进行对比,其决策结论更符合现场运行实际及工程应用要求。（5）以前述评价及决策模型成果为基础,综合利用了数据库、数据接口等技术开发了基于熵理论的RCM决策模型的发电设备预防性检修维护辅助决策系统,该系统作为一个通用清洁能源发电设备检修维护决策平台,集成了故障数据导入和统计分析功能、故障模式影响及危害度分析功能、可靠性分析功能、设备维修决策及优化功能为一体,实现了对清洁能源发电系统及其子系统与部件的预防性维修决策支持。
杨奕飞[10]（2019）在《舰船装备健康评估与管理若干关键技术研究》文中认为现代舰船装备的集成度、复杂度及智能化程度急剧增加,传统的故障诊断与维修保障技术难以适应新的要求。故障预测与健康管理（PHM）技术是改变传统维修保障方式的新技术,是舰船装备健康管理技术发展的新方向。目前,舰船装备的PHM主要存在复杂雷达系统状态监测和评估难、动力设备监测数据故障样本少、甲板机械设备受环境工况综合影响大等问题,这给PHM技术在舰船中的应用带来了困难。论文围绕舰船装备PHM的状态监测、评估预测、维修决策等关键环节进行了研究,设计了健康管理总体架构、分层结构和信息流程,针对三类典型舰船装备PHM中的突出问题,提出了新的解决方法。主要工作和成果如下:1.以船载测控雷达为对象,研究了复杂雷达健康状态监测与评估方法,设计了航天测控雷达的状态在线监测信息和离线测试信息;建立了健康评估指标体系,提出了基于模糊综合评判的雷达健康评估方法。为进一步消除模糊边界问题,将模糊综合评价和SVR模型结合,并采用CS算法对SVR参数进行优化,提出了一种FCCS-SVR评估模型。通过对PSO-SVR、GA-SVR、BA-SVR、CS-SVR和FCCS-SVR模型的性能比较分析及案例研究,证明了FCCS-SVR模型的有效性。2.以船舶动力设备为对象,研究了小样本条件下的故障模式识别方法。提出了一种CS-LSSVM故障识别模型,针对CS算法容易陷入局部最优的问题,进一步提出了改进的ICS-LSSVM模型,通过多种智能优化模型与该模型的仿真比较和案例分析,表明该模型的识别精度更高。同时研究了基于HMM模型的故障识别方法,案例分析表明,利用HMM将缓慢变化的信号特征转换为变化较大的对数似然概率,可有效提高故障模式识别能力。3.以船舶动力设备为对象,研究了故障状态和缺陷状态的预测方法。提出了一种CS-SVR-HMM状态预测模型,仿真结果表明该模型能实现对未来故障状态的预测;提出了基于HSMM的缺陷状态识别方法,仿真结果表明该模型对缺陷状态和剩余寿命具有较好的预测效果。4.以甲板机械设备为对象,研究了考虑环境因子的维修策略。给出了环境因子的定义和参数估计方法,分析了考虑内外因素影响的设备衰退演化规则,建立了一种基于可用度最大和维护成本率最低的综合目标动态决策模型,采用服从威布尔寿命分布模型,通过实例研究了不同环境因子对设备衰退演化的影响及预防维护时间间隔的变化,验证了决策模型的有效性。论文最后对全文进行了总结,并对未来进一步研究的问题提出了展望。
二、变频器故障维修实例（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、变频器故障维修实例（论文提纲范文）
（1）风电机组机会维修策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外风电机组机会维修的研究现状 |
| 1.2.2 国内风电机组机会维修的研究现状 |
| 1.2.3 维修策略研究现状 |
| 1.3 本文的主要研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 主要研究内容 |
| 第2章 风电机组结构及工作原理 |
| 2.1 引言 |
| 2.2 风电机组的基本结构 |
| 2.2.1 风轮系统 |
| 2.2.2 传动系统 |
| 2.2.3 偏航系统 |
| 2.2.4 制动系统 |
| 2.2.5 电气系统 |
| 2.2.6 控制系统 |
| 2.2.7 发电机系统 |
| 2.2.8 传感器系统 |
| 2.2.9 变频器系统 |
| 2.2.10 塔架、机舱及地基 |
| 2.3 风电场故障统计分析 |
| 2.4 风电机组部件模型参数估计 |
| 2.4.1 经典可靠性模型参数估计 |
| 2.4.2 故障模型参数估计实例 |
| 2.5 本章小结 |
| 第3章 风电机组部件机会维修策略 |
| 3.1 引言 |
| 3.2 风电机组部件的机会维修策略 |
| 3.2.1 机会维修策略的类别 |
| 3.2.2 维修可靠度阈值 |
| 3.2.3 维修方式的选择 |
| 3.2.4 考虑不完全维修的可靠度变化模型 |
| 3.3 基于可靠度的风电机组部件维修成本模型 |
| 3.4 应用实例 |
| 3.4.1 数据介绍 |
| 3.4.2 实例分析 |
| 3.5 本章小结 |
| 第4章 多台风电机组部件成组机会维修策略 |
| 4.1 引言 |
| 4.2 多台风电机组部件成组机会维修策略 |
| 4.2.1 维修方式的选择 |
| 4.2.2 多台风电机组部件成组维修成本模型 |
| 4.3 应用实例 |
| 4.3.1 两台风电机组机会维修策略应用实例 |
| 4.3.2 三台风电机组机会维修策略应用实例 |
| 4.3.3 实例对比 |
| 4.4 本章小结 |
| 第5章 海上风电机组部件机会维修策略 |
| 5.1 引言 |
| 5.2 海上风电机组概述 |
| 5.2.1 海上风电的发展 |
| 5.2.2 海上风电机组的特点 |
| 5.3 海上风电机组机会维修 |
| 5.3.1 数据介绍 |
| 5.3.2 海上风电机组部件的机会维修策略实例 |
| 5.3.3 多台海上风电机组成组机会维修策略应用实例 |
| 5.3.4 实例对比 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（2）海上风电机组动态机会成组维修策略的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 国内外海上风电行业发展现状 |
| 1.1.2 国内外海上风电机组运维现状 |
| 1.1.3 我国开展海上风电机组运维技术研究的意义 |
| 1.2 研究现状综述 |
| 1.2.1 维修决策理论研究现状 |
| 1.2.2 海上风电机组维修优化策略研究现状 |
| 1.2.3 有待进一步研究的问题 |
| 1.3 研究内容及章节结构 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 章节安排 |
| 第2章 海上风电机组维修策略的分析及选择 |
| 2.1 引言 |
| 2.2 影响海上风电机组维修的主要因素与分析 |
| 2.2.1 海上风电机组维修的可达性 |
| 2.2.2 海上风电机组的维修费用 |
| 2.2.3 海上风电机组维修资源特性分析 |
| 2.3 海上风电机组运维策略的选择 |
| 2.3.1 维修策略对比与决策过程分析 |
| 2.3.2 海上风电机组的维修决策过程 |
| 2.3.3 海上风电机组机会维修策略 |
| 2.3.4 海上风电机组机会成组维修策略 |
| 2.4 本章小结 |
| 第3章 海上风电机组可靠性分析方法研究 |
| 3.1 引言 |
| 3.2 海上风电机组可靠性分析基础 |
| 3.2.1 典型海上风电机组的基本结构 |
| 3.2.2 故障寿命分布规律 |
| 3.2.3 海上风电机组可靠性指标分析 |
| 3.2.4 海上风电机组关键部件失效分布 |
| 3.2.5 海上风电机组故障数据采集 |
| 3.3 基于威布尔分布的海上风电机组故障预测模型分析 |
| 3.3.1 关于二参数威布尔分布的故障预测模型 |
| 3.3.2 基于三参数威布尔分布的故障预测模型构建与分析 |
| 3.4 三参数威布尔分布故障模型的实例分析 |
| 3.5 本章小结 |
| 第4章 海上风电机组维修时间窗口预测方法的研究 |
| 4.1 引言 |
| 4.2 海浪特征统计方法与特征参数分析 |
| 4.2.1 统计方法与特征参数 |
| 4.2.2 我国典型海域风浪特征分析 |
| 4.3 海上风电机组可达性的定义及参数分析 |
| 4.3.1 可接近度 |
| 4.3.2 维修天气窗口时间 |
| 4.3.3 可达度 |
| 4.3.4 维修等待时间 |
| 4.4 海上风电机组维修等待时间特性分析 |
| 4.4.1 维修任务的分级 |
| 4.4.2 维修等待时间的测算方法 |
| 4.4.3 维修等待时间的算例分析 |
| 4.5 海上风电机组天气窗口预测方法研究 |
| 4.5.1 维修天气窗口研究的现状及改进方向 |
| 4.5.2 基于维修任务故障率的天气窗口预测方法 |
| 4.5.3 天气窗口预测方法案例及分析 |
| 4.6 本章小结 |
| 第5章 考虑天气窗口时间的动态机会成组维修策略研究 |
| 5.1 引言 |
| 5.2 动态机会成组维修策略的定义与内涵 |
| 5.3 海上风电机组多部件系统的维修相关性 |
| 5.3.1 多部件系统的维修相关性 |
| 5.3.2 海上风电机组维修相关性及其影响 |
| 5.4 面向海上风电机组的动态机会成组维修策略研究 |
| 5.4.1 单部件维修优化 |
| 5.4.2 初始维修计划 |
| 5.4.3 多部件组合维修优化 |
| 5.4.4 维修计划的更新 |
| 5.5 海上风电机组动态机会成组维修问题的求解 |
| 5.5.1 海上风电机组动态机会成组维修模型 |
| 5.5.2 基本粒子群算法 |
| 5.5.3 动态机会成组维修模型的粒子群算法求解步骤 |
| 5.5.4 算例验证及分析 |
| 5.6 本章小结 |
| 第6章 基于能效分析的动态机会成组维修模型验证 |
| 6.1 引言 |
| 6.2 海上风电机组能效损失及能效指标 |
| 6.2.1 海上风电机组能效损失 |
| 6.2.2 海上风电机组能效指标 |
| 6.3 不可达性对海上风电机组电能损失的影响 |
| 6.4 海上风速与浪高的预测 |
| 6.4.1 公式推算法 |
| 6.4.2 基于马尔科夫链的预测方法 |
| 6.5 维修模型的验证与分析 |
| 6.5.1 数据处理与参数设置 |
| 6.5.2 结果分析 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）矿井提升机全自动运行监控系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 国内外研究现状 |
| 1.3 研究意义和内容 |
| 2 矿井提升机全自动运行监控系统方案设计 |
| 2.1 矿井提升机系统结构分析 |
| 2.2 矿井提升机主要部分介绍 |
| 2.3 矿井提升机冗余PLC控制系统总体方案设计 |
| 2.3.1 矿井提升机监控系统分析 |
| 2.3.2 总体方案设计 |
| 2.4 系统主要工作过程 |
| 2.5 本章小结 |
| 3 矿井提升机节能运行控制方法研究 |
| 3.1 矿井提升机S行程控制曲线分析 |
| 3.2 矿井提升机运行能耗分析 |
| 3.3 矿井提升机节能运行控制参数求解 |
| 3.3.1 提升机运行决策的适应度 |
| 3.3.2 基于模拟退火算法的控制参数求解 |
| 3.3.3 基于遗传算法的控制参数求解 |
| 3.3.4 基于模拟退火-遗传算法的控制参数求解 |
| 3.4 仿真结果与分析 |
| 3.4.1 三种智能优化算法结果比较与分析 |
| 3.4.2 提升机运行能耗分析 |
| 3.5 本章小结 |
| 4 基于模糊故障树的矿井提升机故障诊断分析 |
| 4.1 矿井提升机常见故障原因分析 |
| 4.2 模糊故障树基本理论 |
| 4.2.1 故障树理论 |
| 4.2.2 模糊故障树理论 |
| 4.2.3 模糊数模型的选择 |
| 4.2.4 模糊数的运算规则 |
| 4.2.5 模糊算子 |
| 4.3 基于模糊故障树矿井提升系统故障分析 |
| 4.3.1 模糊故障树分析步骤 |
| 4.3.2 提升系统模糊故障树建模 |
| 4.3.3 模糊故障树重要度 |
| 4.3.4 最小割集的求法 |
| 4.4 钢丝绳故障树分析实例 |
| 4.4.1 钢丝绳模糊故障树定性分析 |
| 4.4.2 钢丝绳模糊故障树定量分析 |
| 4.5 本章小结 |
| 5 矿井提升机全自动运行监控系统软硬件设计 |
| 5.1 矿井提升机全自动运行监控系统硬件设计 |
| 5.1.1 PLC内部主体与外部设备连接 |
| 5.1.2 矿井提升机控制系统选型 |
| 5.1.3 矿井提升机系统I/O分配 |
| 5.1.4 安全回路设计 |
| 5.1.5 控制系统其它模块设计 |
| 5.1.6 矿井提升机控制系统实现功能 |
| 5.2 矿井提升机全自动运行监控系统软件设计 |
| 5.2.1 STEP7简介 |
| 5.2.2 主控程序设计 |
| 5.2.3 节能运行控制子程序设计 |
| 5.2.4 固定值传送模块设计 |
| 5.2.5 模拟量处理模块设计 |
| 5.2.6 安全回路模块设计 |
| 5.2.7 故障处理模块设计 |
| 5.3 本章小结 |
| 6 上位机监控软件设计 |
| 6.1 上位机监控软件设计 |
| 6.1.1 WinCC简介 |
| 6.1.2 创建组态项目 |
| 6.1.3 设置组态变量 |
| 6.2 矿井提升机项目界面设计 |
| 6.2.1 矿井提升机主要界面设计 |
| 6.2.2 矿井提升机故障树界面设计 |
| 6.3 运行调试 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（4）以可靠性为中心的风电机组机会维修策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风电组织结构 |
| 1.2.2 可靠性分析研究现状 |
| 1.2.3 维修策略研究现状 |
| 1.2.4 设备故障危害性分析研究现状 |
| 1.2.5 研究现状小结 |
| 1.2.6 关键技术问题 |
| 1.3 论文研究内容 |
| 第2章 风电机组部件故障危害性分析 |
| 2.1 引言 |
| 2.2 常用危害性分析方法 |
| 2.2.1 危害性矩阵图法(CMA) |
| 2.2.2 风险优先数法(RPN) |
| 2.2.3 成本优先数法(CPN) |
| 2.2.4 常用危害性分析方法的缺点 |
| 2.3 基于故障向量空间的危害性分析方法 |
| 2.3.1 部件故障向量空间 |
| 2.3.2 基于故障向量空间的危害性分析 |
| 2.3.3 基于故障危害性的部件分类方法 |
| 2.4 基于逆序数的差异分析方法 |
| 2.5 应用实例一 |
| 2.5.1 数据来源 |
| 2.5.2 危害性分析结果 |
| 2.5.3 对比分析 |
| 2.6 应用实例二 |
| 2.6.1 数据来源 |
| 2.6.2 危害性分析结果 |
| 2.7 本章小结 |
| 第3章 小样本条件下的风电机组贝叶斯可靠性模型 |
| 3.1 引言 |
| 3.2 风电机组可靠性模型 |
| 3.2.1 经典可靠性模型 |
| 3.2.2 贝叶斯一般可靠性模型 |
| 3.2.3 贝叶斯分层可靠性模型 |
| 3.3 模型参数的求解 |
| 3.3.1 经典可靠性模型参数的求解 |
| 3.3.2 贝叶斯可靠性模型参数的求解 |
| 3.3.3 可靠性模型的建模精度 |
| 3.4 实例分析与讨论 |
| 3.4.1 数据来源 |
| 3.4.2 模型的建立与假设检验 |
| 3.4.3 参数求解结果 |
| 3.4.4 可靠度函数估计结果 |
| 3.4.5 样本量对可靠性建模精度的影响 |
| 3.5 本章小结 |
| 第4章 风电机组部件的机会维修策略 |
| 4.1 引言 |
| 4.2 风电机组部件的机会维修策略 |
| 4.2.1 机会维修策略的类别 |
| 4.2.2 维修可靠度阈值 |
| 4.2.3 维修方式的选择 |
| 4.2.4 机会维修策略的原理 |
| 4.2.5 考虑不完全维修的可靠度变化模型 |
| 4.2.6 基于可靠度的风电机组部件维修成本模型 |
| 4.3 策略实施流程 |
| 4.3.1 PROM策略及POM策略的实施流程 |
| 4.3.2 基于蒙特卡洛方法的OM策略实施流程 |
| 4.4 策略的优化 |
| 4.5 应用实例 |
| 4.5.1 数据来源 |
| 4.5.2 PROM策略的应用实例 |
| 4.5.3 POM策略的应用实例 |
| 4.5.4 OM策略的应用实例 |
| 4.5.5 不同机会维修策略的应用效果对比 |
| 4.6 本章小结 |
| 第5章 以可靠性为中心的海上风电机组机会维修策略 |
| 5.1 引言 |
| 5.2 海上风电概述 |
| 5.2.1 海上风电的发展 |
| 5.2.2 海上风电机组的特点 |
| 5.2.3 海上风电机组的运行维护 |
| 5.3 天气条件对海上风电维修活动的影响 |
| 5.3.1 海上天气条件带来的维修活动不可及状态 |
| 5.3.2 不可及状态对机组维修活动的影响 |
| 5.4 以可靠性为中心的海上风电机组机会维修策略 |
| 5.4.1 海上风电机组部件的故障危害性分析 |
| 5.4.2 海上风电机组部件的可靠性建模 |
| 5.4.3 海上风电机组部件的机会维修策略 |
| 5.5 本章小结 |
| 第6章 结论及展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（5）风电机组运行状态监测与健康维护系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 我国风力发电行业发展现状 |
| 1.1.2 风电机组运行状态监测与健康维护面临的挑战 |
| 1.1.3 风电机组运行状态监测与健康维护面临的机遇 |
| 1.2 课题研究目的及意义 |
| 1.2.1 发电设备运行状态监测与健康维护的内涵 |
| 1.2.2 风电机组运行状态监测与健康维护系统研究的目的及意义 |
| 1.3 课题理论与技术国内外研究现状 |
| 1.3.1 风电机组运行状态分析的研究现状 |
| 1.3.2 风电机组运行状态监测的研究现状 |
| 1.3.3 风电机组设备健康维护的研究现状 |
| 1.4 风电机组运行状态监测与健康维护应用研究 |
| 1.4.1 风电机组500小时运行考核试验 |
| 1.4.2 风电机组运行状态监测与健康维护系统 |
| 1.5 本文主要研究内容及结构安排 |
| 第2章 风电机组运行状态分析与知识表述 |
| 2.1 引言 |
| 2.2 系统科学背景下的运行状态分析 |
| 2.3 风电机组典型故障模式分析 |
| 2.3.1 风能捕捉系统典型故障分析 |
| 2.3.2 传动系统典型故障分析 |
| 2.3.3 发电机系统典型故障分析 |
| 2.4 机组运行状态知识表述 |
| 2.4.1 基于故障树分析的风电机组故障知识表述方法 |
| 2.4.2 基于失效模式及影响分析的风电机组故障知识表述方法 |
| 2.5 本章小结 |
| 第3章 风电机组运行状态指标分析与体系构建 |
| 3.1 引言 |
| 3.2 风电机组运行状态指标体系初建 |
| 3.3 风电机组运行状态指标选取与分析 |
| 3.3.1 安全性指标 |
| 3.3.2 经济性指标 |
| 3.3.3 可靠性指标 |
| 3.4 基于对应分析的多块方法下的指标体系确立 |
| 3.4.1 基于对应分析的多块划分方法 |
| 3.4.2 机组指标体系确立 |
| 3.5 本章小结 |
| 第4章 风电机组运行状态监测与诊断方法研究 |
| 4.1 引言 |
| 4.2 机组故障诊断复合网络拓扑结构及功能描述 |
| 4.3 风电机组运行数据预处理与特征提取 |
| 4.3.1 风电机组振动信号预处理 |
| 4.3.2 基于数学形态学的无量纲趋势整理 |
| 4.3.3 t-s曲线趋势特征提取 |
| 4.3.4 实例分析 |
| 4.4 基于因子分析改进层级NSET方法的机组故障预警模型 |
| 4.4.1 层级NSET方法原理 |
| 4.4.2 残差统计分析 |
| 4.4.3 基于因子分析改进的层级NSET模型 |
| 4.4.4 实例分析 |
| 4.5 ETA-FPN多重网络机组故障诊断模型 |
| 4.5.1 ETA-FPN的定义 |
| 4.5.2 ETA-FPN层级结构与推理分析 |
| 4.5.3 改进信息熵的ETA-FPN模型构建方法 |
| 4.5.4 基于改进信息熵方法的ETA-FPN模型搭建 |
| 4.6 复合网络诊断模型实例分析 |
| 4.6.1 FA-HNSET预警分析 |
| 4.6.2 ETA-FPN网络模型诊断 |
| 4.6.3 基于FTA结构的故障原因分析 |
| 4.7 本章小结 |
| 第5章 风电机组健康维护问题的研究 |
| 5.1 引言 |
| 5.2 基于模糊评判的风电机组运行状态健康评价 |
| 5.2.1 健康评价体系层次划分 |
| 5.2.2 评价指标劣化度的确定 |
| 5.2.3 风电机组运行状态的模糊评判 |
| 5.3 基于ARMA模型的风电机组故障预测 |
| 5.3.1 ARMA预测模型描述 |
| 5.3.2 ARMA模型辨识 |
| 5.4 风电机组故障设备维护决策方法 |
| 5.4.1 基于FMEA的风电机组典型故障模式属性分析及风险评价 |
| 5.4.2 风电机组故障FTA分析 |
| 5.4.3 故障模式及底事件的维护方式决策 |
| 5.5 实例分析 |
| 5.6 本章小结 |
| 第6章 风电机组运行状态监测与健康维护系统研发 |
| 6.1 引言 |
| 6.2 风电机组运行状态监测与健康维护系统设计 |
| 6.2.1 设计目的 |
| 6.2.2 系统整体构架 |
| 6.2.3 系统功能设计 |
| 6.3 风电机组运行状态监测与健康维护系统技术应用 |
| 6.3.1 系统信息管理及配置 |
| 6.3.2 系统应用 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 论文主要创新点 |
| 7.3 有待进一步开展的工作 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者介绍 |
（6）3D打印技术专业“三教”改革探索（论文提纲范文）
| 引言 |
| 1 3D打印技术专业“三教”面临的突出问题 |
| 1.1 师资团队的教学素养相对偏差 |
| 1.2 3D打印技术专业教材不成体系，资源匮乏 |
| 1.3 教法难以提升学生参与的主动性 |
| 2 3D打印技术应用专业“三教”改革措施 |
| 2.1 通过“名师引领、双元结构、分工协作”的准则塑造团队 |
| 2.1.1 依托有较强影响力的带头人，有效开发名师所具备的引领示范效果 |
| 2.1.2 邀请大师授教，提升人才的技术与技能水准 |
| 2.2 推进“学生主体、育训结合、因材施教”的教材变革 |
| 2.2.1 设计活页式3D打印教材 |
| 2.2.2 灵活使用信息化技术，形成立体化的教学 |
| 2.3 创新推行“三个课堂”教学模式，推进教法改革 |
| 2.3.1 采取线上、线下的混合式教法 |
| 2.3.2 构建与推进更具创新性的“三个课堂”模式 |
（7）风电机组预防性成组维修策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 风电机组基本结构和维修基本理论 |
| 2.1 引言 |
| 2.2 风电机组的典型结构 |
| 2.2.1 风轮系统 |
| 2.2.2 传动系统 |
| 2.2.3 发电机系统 |
| 2.2.4 偏航系统 |
| 2.2.5 液压与制动系统 |
| 2.2.6 机舱塔筒系统 |
| 2.2.7 变频器系统 |
| 2.3 维修基本理论 |
| 2.3.1 维修策略 |
| 2.3.2 维修措施以及预期效果 |
| 2.3.3 基本策略分类 |
| 2.3.4 预防性维修策略 |
| 2.3.5 事后维修策略 |
| 2.3.6 改进性维修策略 |
| 2.4 本章小结 |
| 第3章 基于威布尔分布的可靠性模型 |
| 3.1 引言 |
| 3.2 可靠性分析的目的及流程 |
| 3.2.1 可靠性分析的目的 |
| 3.2.2 可靠性分析流程 |
| 3.3 威布尔分布可靠性模型及参数估计 |
| 3.4 可靠性指标 |
| 3.4.1 可靠度 |
| 3.4.2 累积失效概率函数 |
| 3.4.3 失效率函数 |
| 3.4.4 平均寿命 |
| 3.4.5 可靠寿命 |
| 3.4.6 可用度 |
| 3.5 可靠性模型拟合优度检验 |
| 3.6 风电机组可靠性模型参数估计 |
| 3.6.1 威布尔分布模型的拟合优度检验 |
| 3.6.2 风电机组可靠性模型参数估计 |
| 3.6.3 滑环可靠性分析 |
| 3.7 本章小结 |
| 第4章 BP神经网络模型理论及参数估计 |
| 4.1 引言 |
| 4.2 BP神经网络模型 |
| 4.2.1 BP神经网络基本原理 |
| 4.2.2 评价指标 |
| 4.3 BP神经网络的应用 |
| 4.3.1 数据样本处理 |
| 4.3.2 模型的建立 |
| 4.3.3 实例分析 |
| 4.4 BP神经网络与威布尔模型对比分析 |
| 4.5 本章小结 |
| 第5章 风电机组预防性成组维修模型 |
| 5.1 引言 |
| 5.2 成组维修方法 |
| 5.2.1 修复性成组维修方法 |
| 5.2.2 预防性成组维修策略 |
| 5.2.3 成组维修策略分析 |
| 5.3 成组维修策略建模假设 |
| 5.4 风电机组成组维修策略模型 |
| 5.4.1 维修成本 |
| 5.4.2 成组维修策略模型 |
| 5.5 实例分析 |
| 5.5.1 数据介绍 |
| 5.5.2 风电机组预防性成组维修策略应用实例 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（8）矿井提升机传动系统故障诊断与健康管理关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 机械设备故障诊断方法分类 |
| 1.2.1 基于分析模型的故障诊断方法 |
| 1.2.2 基于定性经验知识的故障诊断方法 |
| 1.2.3 基于数据驱动的故障诊断方法 |
| 1.3 国内外研究现状 |
| 1.4 研究内容与创新之处 |
| 1.4.1 研究内容安排 |
| 1.4.2 创新之处 |
| 2 基于自适应电周期划分和随机森林的NPC三电平逆变器故障诊断 |
| 2.1 引言 |
| 2.2 三电平逆变器的电路及故障分析 |
| 2.2.1 矿井提升机变频器的结构 |
| 2.2.2 三电平逆变器的故障分析 |
| 2.3 逆变器故障信号预处理与自适应电周期划分 |
| 2.4 基于MODWT的信号处理与特征提取 |
| 2.4.1 帕克矢量模 |
| 2.4.2 小波变换 |
| 2.4.3 最大重叠离散小波变换 (Maximal Overlap Discrete Wavelet Transform,MODWT) |
| 2.4.4 特征提取 |
| 2.5 随机森林分类器 |
| 2.5.1 随机森林原理 |
| 2.5.2 随机森林算法 |
| 2.6 基于自适应电周期划分与随机森林的NPC三电平逆变器故障诊断框架 |
| 2.7 实验验证 |
| 2.7.1 实验设置 |
| 2.7.2 实验分析 |
| 2.8 本章小结 |
| 3 基于敏感特征选取与最大局部边界准则的提升机轴承故障诊断 |
| 3.1 引言 |
| 3.2 轴承故障诊断机理 |
| 3.3 基于DTCWPT的轴承故障信号处理 |
| 3.3.1 DTCWPT |
| 3.3.2 Hilbert包络谱与边际谱 |
| 3.4 基于特征聚类与特征间相关系数的敏感特征选取 |
| 3.4.1 k-means聚类算法 |
| 3.4.2 皮尔逊相关系数 |
| 3.4.3 敏感特征选取方法 |
| 3.5 最大局部边界准则的特征降维方法 |
| 3.5.1 LDA |
| 3.5.2 LFDA |
| 3.5.3 MMC |
| 3.5.4 最大局部边界准则 |
| 3.6 支持向量机 |
| 3.7 基于敏感特征选取与最大局部边界准则的轴承故障诊断框架 |
| 3.8 实验验证 |
| 3.8.1 基于美国凯斯西储大学轴承数据实验设置 |
| 3.8.2 基于美国凯斯西储大学轴承数据实验分析 |
| 3.8.3 基于SQI-MFS轴承数据实验设置 |
| 3.8.4 基于SQI-MFS轴承数据实验分析 |
| 3.9 本章小结 |
| 4 基于敏感特征迁移学习的提升机轴承故障诊断 |
| 4.1 引言 |
| 4.2 迁移成分分析 |
| 4.3 改进迁移成分分析的特征迁移学习 |
| 4.4 基于敏感特征迁移学习的轴承故障诊断框架 |
| 4.5 实验分析 |
| 4.5.1 基于美国凯斯西储大学轴承数据实验分析 |
| 4.5.2 基于SQI-MFS轴承数据实验分析 |
| 4.6 本章小结 |
| 5 基于类内特征迁移学习与多源信息融合的提升机驱动电机故障诊断 |
| 5.1 引言 |
| 5.2 电机故障类型与信号特性分析 |
| 5.2.1 异步电机常见故障类型分析 |
| 5.2.2 异步电机常见故障信号特性分析 |
| 5.3 基于EEMD的电机故障信号处理 |
| 5.3.1 EMD |
| 5.3.2 EEMD |
| 5.4 改进分层迁移学习的类内特征迁移学习 |
| 5.4.1 分层迁移学习 |
| 5.4.2 改进分层迁移学习 |
| 5.5 基于类内特征迁移学习的驱动电机故障诊断 |
| 5.5.1 故障诊断框架 |
| 5.5.2 实验设置 |
| 5.5.3 实验分析 |
| 5.6 基于D-S证据融合理论的驱动电机故障诊断 |
| 5.6.1 D-S证据理论基本概念 |
| 5.6.2 D-S证据理论基本过程 |
| 5.6.3 基于D-S证据融合理论的驱动电机故障诊断框架 |
| 5.6.4 实验分析 |
| 5.7 本章小结 |
| 6 矿井提升机传动系统故障诊断与健康管理系统 |
| 6.1 引言 |
| 6.2 提升机传动系统故障知识表示 |
| 6.2.1 本体概述 |
| 6.2.2 提升机传动系统故障知识分析 |
| 6.3 基于本体和故障信号分析的语义映射方法 |
| 6.3.1 概念模型 |
| 6.3.2 数学模型 |
| 6.3.3 语义映射方法 |
| 6.4 提升机传动系统故障本体知识库的创建 |
| 6.4.1 知识图谱与图数据库 |
| 6.4.2 提升机传动系统故障本体知识库构建 |
| 6.5 系统总体设计与应用 |
| 6.5.1 系统功能模块 |
| 6.5.2 软件开发与系统应用 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）清洁能源发电系统预防性维修决策技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 清洁能源发展现状 |
| 1.1.2 我国清洁能源发电行业现行维修策略缺点 |
| 1.1.3 研究清洁能源发电设备先进维修决策技术的必要性 |
| 1.2 国内外研究状况 |
| 1.2.1 设备维修决策技术 |
| 1.2.2 RCM理论及应用研究 |
| 1.2.3 水电和风电发电设备维修决策技术 |
| 1.2.4 维修决策支持系统研究现状 |
| 1.3 主要研究内容及研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 论文研究技术路线 |
| 1.3.3 论文结构 |
| 2 RCM基本模型及发电设备应用分析 |
| 2.1 引言 |
| 2.2 以可靠性为中心的维修决策理论 |
| 2.2.1 RCM的基本思想 |
| 2.2.2 RCM基本分析方法 |
| 2.2.3 RCM理论实施过程 |
| 2.3 水电和风电发电设备特点 |
| 2.3.1 水轮发电机组类型 |
| 2.3.2 灯泡贯流式机组系统划分 |
| 2.3.3 风力发电机组类型 |
| 2.3.4 风力发电机组系统划分 |
| 2.3.5 水电设备故障特点 |
| 2.3.6 风电设备故障特点 |
| 2.4 发电设备现行运维技术及RCM实施方案 |
| 2.4.1 桃源水电站设备基本情况 |
| 2.4.2 张北坝头风电场设备基本情况 |
| 2.4.3 传统RCM理论实际应用中的不足 |
| 2.4.4 对RCM理论的改进 |
| 2.5 本章小结 |
| 3 基于灰色理论的发电设备故障危害度等级分析 |
| 3.1 引言 |
| 3.2 发电设备故障数据分析 |
| 3.2.1 发电设备故障数据的收集 |
| 3.2.2 水电故障数据统计 |
| 3.2.3 风电故障数据统计 |
| 3.3 发电设备故障模式、影响及危害度分析(FMECA) |
| 3.3.1 FMECA基本概念 |
| 3.3.2 发电设备FMECA实施基础 |
| 3.3.3 建立发电设备的FMECA表 |
| 3.4 发电设备故障危害度分析及改进 |
| 3.4.1 危害性矩阵分析法 |
| 3.4.2 传统FMECA中故障危害度分析存在的问题 |
| 3.4.3 基于灰色理论的发电设备故障危害度分析 |
| 3.4.4 应用案例 |
| 3.5 发电设备FMECA的实用性改进 |
| 3.5.1 故障发生后快速定位故障原因 |
| 3.5.2 实现一般性FMECA分析结果与特定环境FMECA分析对比 |
| 3.5.3 实现与可靠性指标、SCADA监测数据关联 |
| 3.6 本章小结 |
| 4 基于支持向量回归机威布尔分布的可靠性分析模型研究 |
| 4.1 引言 |
| 4.2 设备可靠性分析基础 |
| 4.2.1 设备可靠性量化分析流程 |
| 4.2.2 可靠性量化指标确定 |
| 4.3 发电设备寿命分布模型 |
| 4.3.1 威布尔分布模型 |
| 4.3.2 威布尔分布模型参数估计方法 |
| 4.4 基于支持向量回归机的威布尔分布模型参数估计 |
| 4.4.1 线性ε-带支持向量回归机 |
| 4.4.2 支持向量回归机参数选择 |
| 4.4.3 估计精度的评价 |
| 4.4.4 应用实例 |
| 4.4.5 样本量大小对参数估计精度的影响分析 |
| 4.5 发电设备可靠性分析实例 |
| 4.5.1 灯泡贯流式机组宏观可靠性指标 |
| 4.5.2 灯泡贯流式机组子系统级微观可靠性指标 |
| 4.5.3 风力发电机组宏观可靠性指标 |
| 4.5.4 风力发电机组子系统级微观可靠性指标 |
| 4.5.5 风力发电机组部件微观可靠性指标 |
| 4.6 本章小结 |
| 5 基于熵理论的RCM决策模型研究 |
| 5.1 引言 |
| 5.2 发电设备重要度分析 |
| 5.2.1 发电设备重要度影响因素 |
| 5.2.2 基于蒙特卡洛方法的发电设备重要度分析模型 |
| 5.2.3 对发电设备子系统级、部件级重要度分析实例 |
| 5.3 基于熵理论的以可靠性为中心预防性维修决策 |
| 5.3.1 发电设备预防性维修策略目标 |
| 5.3.2 发电设备预防性维修策略的确定依据 |
| 5.3.3 基于费用最低的发电设备预防性维修模型 |
| 5.3.4 基于可用度的发电设备定期维修模型 |
| 5.3.5 基于熵理论的以可靠性为中心发电设备预防性维修决策模型 |
| 5.3.6 水电和风电实例分析 |
| 5.4 本章小结 |
| 6 发电设备预防性检修维护辅助决策系统 |
| 6.1 引言 |
| 6.2 系统总体设计 |
| 6.2.1 系统总体结构 |
| 6.2.2 系统功能分析 |
| 6.3 系统数据库设计与管理 |
| 6.3.1 数据库结构及构建方法 |
| 6.3.2 数据库内容及作用 |
| 6.4 系统模型库设计与管理 |
| 6.5 系统知识库设计与管理 |
| 6.6 发电设备预防性检修维护辅助决策系统的实现 |
| 6.6.1 系统交互界面 |
| 6.6.2 故障数据录入 |
| 6.6.3 故障模式、影响及危害度分析(FMECA) |
| 6.6.4 故障数据统计分析 |
| 6.6.5 发电设备可靠性分析 |
| 6.6.6 发电设备维修决策及优化 |
| 6.7 案例分析 |
| 6.8 本章小结 |
| 7 结论及展望 |
| 7.1 结论 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（10）舰船装备健康评估与管理若干关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 PHM技术 |
| 1.2.2 状态监测与健康评估 |
| 1.2.3 故障和缺陷状态识别 |
| 1.2.4 装备预防性维护策略 |
| 1.3 研究技术路线 |
| 1.4 论文研究内容与结构 |
| 2 舰船装备健康管理体系结构与关键技术 |
| 2.1 舰船装备组成及功能概述 |
| 2.2 微波统一测控系统组成 |
| 2.3 舰船装备健康管理体系结构 |
| 2.3.1 PHM总体架构 |
| 2.3.2 分层管理结构 |
| 2.4 健康管理系统功能及信息流程 |
| 2.4.1 主要功能 |
| 2.4.2 信息流程 |
| 2.5 三类典型舰船装备PHM的主要问题及解决方法 |
| 2.5.1 复杂雷达系统的状态监测与评估 |
| 2.5.2 小样本下的设备故障识别与预测 |
| 2.5.3 甲板机械的环境影响与维护决策 |
| 2.6 本章小结 |
| 3 基于FCCS-SVR的测控雷达健康状态评估 |
| 3.1 测控雷达健康状态监测设计 |
| 3.1.1 在线监测信息 |
| 3.1.2 离线测试指标 |
| 3.2 测控雷达健康状态评估指标体系 |
| 3.2.1 测控雷达健康状态等级划分 |
| 3.2.2 测控雷达健康状态评估指标体系 |
| 3.2.3 评估指标标准化处理 |
| 3.3 基于模糊综合评判的健康状态评估 |
| 3.3.1 测控雷达评估指标权重确定 |
| 3.3.2 基于模糊综合评判的健康评估 |
| 3.4 基于模糊评判结合改进SVR的健康状态评估模型 |
| 3.4.1 支持向量回归理论 |
| 3.4.2 布谷鸟搜索算法 |
| 3.4.3 CS-SVR模型 |
| 3.4.4 基于FCCS-SVR的测控雷达健康状态评估 |
| 3.4.5 案例分析 |
| 3.5 本章小结 |
| 4 小样本条件下的船舶动力设备故障识别与状态预测 |
| 4.1 船舶动力系统组成及监控设计 |
| 4.1.1 船舶动力设备组成 |
| 4.1.2 船舶动力监控系统 |
| 4.2 故障模式特征识别方法 |
| 4.3 基于ICS-LSSVM的动力设备故障模式识别 |
| 4.3.1 最小二乘支持向量机 |
| 4.3.2 LSSVM的参数寻优 |
| 4.3.3 基于ICS-LSSVM的故障识别模型 |
| 4.3.4 案例分析 |
| 4.4 基于HMM模型的动力设备故障模式识别 |
| 4.4.1 隐马尔可夫模型HMM及基本算法 |
| 4.4.2 基于HMM的故障模式识别流程 |
| 4.4.3 案例分析 |
| 4.5 基于CS-SVR-HMM模型的动力设备状态预测 |
| 4.5.1 CS-SVR-HMM设备状态预测模型 |
| 4.5.2 仿真分析 |
| 4.6 基于HSMM的动力设备缺陷状态识别 |
| 4.6.1 设备缺陷运行状态特点 |
| 4.6.2 隐半马尔可夫模型HSMM |
| 4.6.3 基于HSMM的缺陷状态识别 |
| 4.6.4 案例分析 |
| 4.7 本章小结 |
| 5 考虑环境因子的甲板机械衰退演化规则及维护策略 |
| 5.1 机械设备故障发展一般规律 |
| 5.2 威布尔可靠性分布模型 |
| 5.3 考虑预防性维修的设备衰退演化规则 |
| 5.4 环境因子的定义及其参数估计 |
| 5.4.1 环境因子的定义 |
| 5.4.2 环境因子的参数估计 |
| 5.5 基于环境因子的综合衰退演化规则 |
| 5.6 考虑环境因子的最优预防性维护策略 |
| 5.6.1 综合可用度和经济性的预防维护模型 |
| 5.6.2 综合目标维护模型的最优求解 |
| 5.6.3 考虑环境因子的综合目标最优维护策略 |
| 5.6.4 案例分析 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 全文工作总结 |
| 6.2 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、变频器故障维修实例（论文参考文献）
- [1]风电机组机会维修策略研究[D]. 马广璐. 华北电力大学(北京), 2021(01)
- [2]海上风电机组动态机会成组维修策略的研究[D]. 谢鲁冰. 华北电力大学(北京), 2021(01)
- [3]矿井提升机全自动运行监控系统研究[D]. 胡雪雪. 安徽理工大学, 2020(07)
- [4]以可靠性为中心的风电机组机会维修策略研究[D]. 王达梦. 华北电力大学(北京), 2020
- [5]风电机组运行状态监测与健康维护系统的研究[D]. 贾子文. 华北电力大学(北京), 2020(06)
- [6]3D打印技术专业“三教”改革探索[J]. 刘森,张书维,侯玉洁. 数码世界, 2020(04)
- [7]风电机组预防性成组维修策略研究[D]. 杨向艳. 华北电力大学(北京), 2020(06)
- [8]矿井提升机传动系统故障诊断与健康管理关键技术研究[D]. 刘诗源. 中国矿业大学(北京), 2020(01)
- [9]清洁能源发电系统预防性维修决策技术研究[D]. 尹浩霖. 西安理工大学, 2019
- [10]舰船装备健康评估与管理若干关键技术研究[D]. 杨奕飞. 南京理工大学, 2019(01)