| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第8-21页 |
| §1.1 课题背景与意义 | 第8-12页 |
| §1.2 电站故障诊断技术的发展和应用现状 | 第12-19页 |
| §1.3 本文的主要工作 | 第19-21页 |
| 第2章 故障检测与诊断技术综述 | 第21-33页 |
| §2.1 基于系统输入输出的直接测量和信号处理的方法 | 第21-23页 |
| §2.2 基于状态估计的故障检测与诊断方法 | 第23-24页 |
| §2.3 基于参数估计的故障检测与诊断方法 | 第24-27页 |
| §2.4 基于人工智能的故障检测与诊断方法 | 第27-29页 |
| §2.5 各种诊断方法的局限性 | 第29页 |
| §2.6 基于人工神经网络的故障检测与诊断方法 | 第29-32页 |
| §2.7 本章小结 | 第32-33页 |
| 第3章 人工神经网络与系统辨识 | 第33-49页 |
| §3.1 引言 | 第33-34页 |
| §3.2 多层前向神经网络 | 第34-41页 |
| §3.3 基于神经网络的系统辨识 | 第41-48页 |
| §3.4 本章小结 | 第48-49页 |
| 第4章 测量仪表的故障诊断 | 第49-66页 |
| §4.1 基于冗余技术的测量仪表故障诊断在电站中的应用 | 第49-52页 |
| §4.2 基于动态预测模型的测量故障诊断 | 第52-57页 |
| §4.3 基于人工神经网络的测量故障诊断 | 第57-64页 |
| §4.4 本章小结 | 第64-66页 |
| 第5章 人工神经网络在电站过程故障诊断中的应用 | 第66-91页 |
| §5.1 引言 | 第66-67页 |
| §5.2 电站锅炉典型故障仿真 | 第67-68页 |
| §5.3 基于神经网络辨识模型的故障检测 | 第68-79页 |
| §5.4 基于BP网络的故障分类或故障程度估计 | 第79-83页 |
| §5.5 基于竞争网络的凝汽器故障诊断 | 第83-89页 |
| §5.6 本章小结 | 第89-91页 |
| 结束语 | 第91-93页 |
| 附录一 | 第93-100页 |
| 致谢 | 第100-101页 |
| 参考文献 | 第101-105页 |
| 作者在博士研究生期间的主要工作及发表的论文 | 第105页 |