| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·汽轮机组运行性能诊断技术的研究现状 | 第11-12页 |
| ·汽轮机故障诊断技术研究现状 | 第12-14页 |
| ·本文主要研究内容 | 第14-16页 |
| 第二章 汽轮机通流部分运行性能诊断研究 | 第16-28页 |
| ·基于特征通流面积的汽轮机运行性能诊断原理 | 第16-20页 |
| ·特征通流面积 | 第16-18页 |
| ·影响特征通流面积和特征通流面积变化率精确度的因素 | 第18页 |
| ·特征通流面积和特征通流面积变化率的使用限制性条件 | 第18页 |
| ·特征通流面积变化率的定义及意义 | 第18-20页 |
| ·汽轮机运行性能诊断实例 | 第20-27页 |
| ·影响汽轮机运行的各种因素以及基准工况的选择 | 第20-22页 |
| ·汽轮机各级通汽流量及特征通流面积计算 | 第22-25页 |
| ·基于特征通流面积的通流部分运行性能诊断方法的验证 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于最小二乘支持向量机的汽轮机故障预测 | 第28-39页 |
| ·现代时间序列分析的理论 | 第28-31页 |
| ·时间序列可预测性 | 第28-29页 |
| ·时间序列预测的常用方法 | 第29-30页 |
| ·最小二乘支持向量回归算法原理 | 第30-31页 |
| ·汽轮发电机组的故障特点及误差分析 | 第31-33页 |
| ·汽轮发电机组的故障特点 | 第31-32页 |
| ·汽轮机故障发展趋势预测的误差分析 | 第32-33页 |
| ·基于 LS-SVR 的机组故障趋势预测 | 第33-38页 |
| ·故障预测模型 | 第33-35页 |
| ·实验结果分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于支持向量机多值分类算法的汽轮机通流部分故障诊断 | 第39-52页 |
| ·支持向量机基本原理 | 第39-43页 |
| ·线性支持向量机 | 第39-42页 |
| ·非线性支持向量机 | 第42-43页 |
| ·支持向量机算法的改进 | 第43-46页 |
| ·基于核函数的二叉树型 SVM 多值分类器算法原理 | 第43-45页 |
| ·支持向量机算法的模型参数的选择 | 第45-46页 |
| ·改进的 SVM 多值分类算法在汽轮机通流部分故障诊断中的应用 | 第46-51页 |
| ·实验模型的建立 | 第46-47页 |
| ·实验数据的采集 | 第47-49页 |
| ·实验结果分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 结论与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录 （攻读硕士学位期间发表的论文） | 第58-59页 |
| 详细摘要 | 第59-66页 |
