| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 核动力装置故障诊断研究现状 | 第11-12页 |
| 1.2.2 故障诊断方法综述 | 第12-13页 |
| 1.2.3 核动力装置分布式故障诊断概述 | 第13-15页 |
| 1.3 研究目标与主要任务 | 第15页 |
| 1.4 本文的结构安排 | 第15-16页 |
| 第2章 核动力装置故障诊断研究 | 第16-30页 |
| 2.1 核动力装置系统分析 | 第16-20页 |
| 2.1.1 概述 | 第16页 |
| 2.1.2 故障诊断对象总体分析 | 第16-18页 |
| 2.1.3 系统划分与筛选 | 第18-20页 |
| 2.2 故障与征兆分析 | 第20-23页 |
| 2.2.1 核动力装置典型故障与征兆分析 | 第20-21页 |
| 2.2.2 核动力装置并发故障与征兆提取 | 第21-23页 |
| 2.3 监测参量分析 | 第23-26页 |
| 2.4 建立知识库 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 故障诊断方法分析 | 第30-46页 |
| 3.1 BP神经网络故障诊断方法 | 第30-35页 |
| 3.1.1 BP神经网络基本原理 | 第31-33页 |
| 3.1.2 BP神经网络学习算法的缺点分析 | 第33-34页 |
| 3.1.3 BP神经网络改进方法 | 第34-35页 |
| 3.2 BP神经网络训练分析 | 第35-41页 |
| 3.2.1 隐含层节点数与训练性能分析 | 第35-36页 |
| 3.2.2 神经网络中训练参量对训练的影响 | 第36-38页 |
| 3.2.3 神经网络的样本 | 第38-41页 |
| 3.3 基于证据理论的融合决策原理 | 第41-45页 |
| 3.3.1 证据理论及其决策应用 | 第41-42页 |
| 3.3.2 分布式故障诊断框架下的融合问题 | 第42-44页 |
| 3.3.3 分布式故障诊断框架下的融合研究 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 分布式故障诊断系统设计与开发 | 第46-60页 |
| 4.1 分布式故障诊断系统的总体设计 | 第46-49页 |
| 4.1.1 分布式故障诊断系统总体设计原则 | 第46页 |
| 4.1.2 分布式故障诊断系统总体框架设计 | 第46-48页 |
| 4.1.3 分布式故障诊断系统接口设计 | 第48-49页 |
| 4.2 分布式故障诊断系统数据库设计 | 第49-52页 |
| 4.2.1 基本信息数据库设计 | 第49-51页 |
| 4.2.2 数据库管理系统的开发与使用 | 第51-52页 |
| 4.2.3 样本数据库设计 | 第52页 |
| 4.3 神经网络训练模块设计与开发 | 第52-54页 |
| 4.4 工况判定模块和局部级故障诊断模块设计与开发 | 第54-56页 |
| 4.5 全局级融合决策模块设计与开发 | 第56-58页 |
| 4.6 人机界面设计、开发与使用 | 第58-59页 |
| 4.7 本章小结 | 第59-60页 |
| 第5章 核动力装置分布式故障诊断系统的测试研究 | 第60-76页 |
| 5.1 核动力装置分布式故障诊断系统的功能与运行 | 第60-64页 |
| 5.1.1 核动力装置分布式故障诊断系统的功能 | 第60-61页 |
| 5.1.2 核动力装置分布式故障诊断系统的运行 | 第61-64页 |
| 5.2 分布式故障诊断系统的测试研究 | 第64-75页 |
| 5.2.1 稳态工况下系统单发故障诊断测试研究 | 第64-67页 |
| 5.2.2 稳态工况下系统并发故障诊断测试研究 | 第67-70页 |
| 5.2.3 变工况条件下系统故障诊断测试研究 | 第70-73页 |
| 5.2.4 故障程度诊断测试研究 | 第73-75页 |
| 5.3 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第82-84页 |
| 致谢 | 第84页 |