| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 信息融合基础概念 | 第14-15页 |
| 1.3 信息融合发展现状 | 第15-19页 |
| 1.3.1 国外研究现状 | 第16-17页 |
| 1.3.2 国内研究现状 | 第17-19页 |
| 1.4 核动力装置故障诊断的研究情况 | 第19-21页 |
| 1.4.1 核动力装置的故障诊断 | 第19页 |
| 1.4.2 信息融合与核动力装置故障诊断 | 第19-21页 |
| 1.5 本文研究内容和论文结构 | 第21-25页 |
| 第2章 核动力装置故障特征提取与诊断策略研究 | 第25-39页 |
| 2.1 引言 | 第25页 |
| 2.2 核动力装置故障分析 | 第25-29页 |
| 2.2.1 故障信息来源 | 第26-28页 |
| 2.2.2 故障信息与故障特征关系 | 第28-29页 |
| 2.3 故障信号特征提取 | 第29-32页 |
| 2.4 核动力装置故障诊断策略研究 | 第32-37页 |
| 2.4.1 故障诊断信息融合模型 | 第33-35页 |
| 2.4.2 故障诊断策略研究 | 第35-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第3章 基于小波熵神经网络的故障信息融合方法研究 | 第39-55页 |
| 3.1 引言 | 第39页 |
| 3.2 主冷却剂泵及故障模式 | 第39-42页 |
| 3.3 故障特征信号分析 | 第42-47页 |
| 3.3.1 故障仿真波形分析 | 第43-44页 |
| 3.3.2 故障信号的数据采集 | 第44-45页 |
| 3.3.3 频谱特征信号提取方法 | 第45-46页 |
| 3.3.4 小波熵特征信号提取方法 | 第46-47页 |
| 3.4 主冷却剂泵小波熵神经网络研究 | 第47-51页 |
| 3.4.1 BP神经网络算法 | 第49-50页 |
| 3.4.2 小波熵神经网络模型 | 第50-51页 |
| 3.5 主冷却剂泵小波熵神经网络故障融合算例 | 第51-53页 |
| 3.5.1 小波熵神经网络融合算例一 | 第52-53页 |
| 3.5.2 小波熵神经网络融合算例二 | 第53页 |
| 3.6 本章小结 | 第53-55页 |
| 第4章 基于DSmT的并发故障信息融合方法研究 | 第55-67页 |
| 4.1 引言 | 第55页 |
| 4.2 DSmT理论融合方法及特点 | 第55-56页 |
| 4.3 主冷却剂泵并发故障DSmT融合策略 | 第56-57页 |
| 4.4 主冷却剂泵并发故障DSmT融合过程 | 第57-60页 |
| 4.4.1 自由DSm模型融合过程 | 第58页 |
| 4.4.2 混合DSm模型融合过程 | 第58-59页 |
| 4.4.3 DSmT故障特征信度赋值分析 | 第59-60页 |
| 4.5 主冷却剂泵DSmT并发故障融合算例 | 第60-64页 |
| 4.5.1 基本概率赋值的确定 | 第61-62页 |
| 4.5.2 实验结果与分析 | 第62-64页 |
| 4.6 本章小结 | 第64-67页 |
| 第5章 基于小波包能量分析DSmT的故障信息融合方法研究 | 第67-77页 |
| 5.1 引言 | 第67页 |
| 5.2 核反应堆堆芯吊篮及故障模式 | 第67-69页 |
| 5.3 实验方案设计与数据采集 | 第69-70页 |
| 5.4 堆芯吊篮故障信号分析与处理 | 第70-75页 |
| 5.4.1 堆芯吊篮故障识别方案研究 | 第70-71页 |
| 5.4.2 小波包能量分析算法研究 | 第71-75页 |
| 5.5 堆芯吊篮DSmT融合算法验证与分析 | 第75-76页 |
| 5.6 本章小结 | 第76-77页 |
| 第6章 基于粗糙集神经网络的故障信息融合方法研究 | 第77-95页 |
| 6.1 引言 | 第77页 |
| 6.2 反应堆控制棒驱动机构(CRDM)及故障类型 | 第77-81页 |
| 6.2.1 CRDM结构类型 | 第77-81页 |
| 6.2.2 CRDM棒控距离 | 第81页 |
| 6.3 物联网与数字化仪控系统(DCS) | 第81-83页 |
| 6.3.1 物联网概念 | 第81-82页 |
| 6.3.2 物联网与DCS关系 | 第82-83页 |
| 6.4 堆芯CRDM物联网故障识别系统框架 | 第83-84页 |
| 6.5 物联网堆芯CRDM故障识别系统 | 第84-88页 |
| 6.5.1 感知层——MEMS传感器 | 第85-86页 |
| 6.5.2 网络层——ZigBee无线模块 | 第86-87页 |
| 6.5.3 支撑层——Multi-Agent模块 | 第87-88页 |
| 6.6 CRDM粗糙集神经网络融合实验 | 第88-93页 |
| 6.7 本章小结 | 第93-95页 |
| 结论 | 第95-97页 |
| 参考文献 | 第97-107页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第107-109页 |
| 致谢 | 第109页 |