| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 论文的背景和意义 | 第8-9页 |
| 1.1.1 我国电力生产面临能源短缺 | 第8页 |
| 1.1.2 人工智能渗透到社会生活的各个领域 | 第8-9页 |
| 1.1.3 锅炉节能潜力诊断的重要意义 | 第9页 |
| 1.2 火电设备故障诊断技术的研究情况综述 | 第9-12页 |
| 1.3 论文的主要研究工作 | 第12-15页 |
| 1.3.1 论文的研究内容及方法 | 第12-13页 |
| 1.3.2 论文研究工作步骤 | 第13-15页 |
| 2 人工神经网络简介 | 第15-23页 |
| 2.1 人工神经网络基本原理 | 第15-17页 |
| 2.1.1 神经网络处理单元 | 第15-16页 |
| 2.1.2 神经网络激励函数 | 第16-17页 |
| 2.1.3 神经网络学习规则 | 第17页 |
| 2.2 反向传播网络--BP网络 | 第17-23页 |
| 2.2.1 神经网络的互连方式 | 第17-18页 |
| 2.2.2 BP网络结构 | 第18-19页 |
| 2.2.3 BP算法公式推导 | 第19-20页 |
| 2.2.4 BP网络基本训练步骤 | 第20-23页 |
| 3 基于能量分配和神经网络的锅炉漏风状况在线监测与诊断 | 第23-47页 |
| 3.1 引言 | 第23-24页 |
| 3.2 锅炉漏风特征参数的选择 | 第24-29页 |
| 3.2.1 特征参数的选择原则 | 第24-25页 |
| 3.2.2 漏风对热分配的影响 | 第25-28页 |
| 3.2.3 漏风诊断特征向量 | 第28-29页 |
| 3.3 神经网络的训练 | 第29-35页 |
| 3.3.1 神经网络学习算法的选择 | 第29-30页 |
| 3.3.2 BP算法的改进 | 第30-33页 |
| 3.3.3 网络训练中存在的问题及本文采取的措施 | 第33-35页 |
| 3.4 基于能量分配的漏风诊断网络 | 第35-43页 |
| 3.4.1 漏风监测与诊断区域 | 第35页 |
| 3.4.2 漏风状况监测与诊断网络 | 第35-36页 |
| 3.4.3 诊断样本库设计 | 第36页 |
| 3.4.4 漏风诊断实例 | 第36-43页 |
| 3.5 诊断网络对噪声干扰的适应性 | 第43-46页 |
| 3.5.1 考虑噪声干扰的必要性 | 第43页 |
| 3.5.2 生产现场中随机噪声的模拟 | 第43-44页 |
| 3.5.3 网络对噪声干扰的适应性 | 第44-46页 |
| 3.6 结论 | 第46-47页 |
| 4 基于能量平衡和神经网络的锅炉漏风状况在线监测与诊断 | 第47-55页 |
| 4.1 引言 | 第47页 |
| 4.2 漏风状况的能量约束方程 | 第47-49页 |
| 4.3 基于能量平衡的漏风诊断网络 | 第49-54页 |
| 4.3.1 漏风状况监测与诊断网络 | 第49-50页 |
| 4.3.2 诊断样本库设计 | 第50-51页 |
| 4.3.3 漏风诊断实例 | 第51-54页 |
| 4.4 结论 | 第54-55页 |
| 5 锅炉节能潜力诊断系统框架设计 | 第55-65页 |
| 5.1 锅炉节能潜力诊断系统框架设计 | 第55-58页 |
| 5.1.1 建立节能潜力诊断系统的必要性 | 第55页 |
| 5.1.2 节能诊断知识 | 第55-56页 |
| 5.1.3 节能潜力诊断系统框架设计 | 第56-58页 |
| 5.2 锅炉节能诊断系统数据关联表设计 | 第58-61页 |
| 5.3 诊断网络的实现软件-MATLAB6.5 | 第61-65页 |
| 5.3.1 MATLAB6.5简介 | 第61页 |
| 5.3.2 MATLAB6.5语言的特点 | 第61-62页 |
| 5.3.3 诊断神经网络在MATLAB6.5中的设计 | 第62-65页 |
| 6 结论与展望 | 第65-68页 |
| 6.1 结论 | 第65-67页 |
| 6.2 进一步工作的展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录: 硕士期间发表论文情况 | 第72页 |
