| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 故障诊断技术方法研究 | 第10-12页 |
| 1.3.1 基于信号处理的方法 | 第10-11页 |
| 1.3.2 基于数学模型的方法 | 第11页 |
| 1.3.3 基于知识的方法 | 第11-12页 |
| 1.4 本课题主要研究的内容 | 第12-14页 |
| 第2章 锅炉工艺流程原理及故障分析 | 第14-23页 |
| 2.1 电厂锅炉工艺流程及系统介绍 | 第14-15页 |
| 2.2 锅炉故障分析 | 第15-18页 |
| 2.2.1 锅炉“四管泄漏”原因分析 | 第15-16页 |
| 2.2.2 “四管泄漏”故障现象 | 第16-17页 |
| 2.2.3 锅炉故障诊断系统结构框架 | 第17-18页 |
| 2.3 故障参数分析 | 第18-19页 |
| 2.4 样本数据预处理 | 第19-20页 |
| 2.5 小结 | 第20-23页 |
| 第3章 基于小波神经网络的故障诊断 | 第23-39页 |
| 3.1 神经网络概述 | 第23-25页 |
| 3.2 BP神经网络 | 第25-26页 |
| 3.3 小波神经网络构建 | 第26-31页 |
| 3.3.1 小波变换理论 | 第26-27页 |
| 3.3.2 小波神经网络 | 第27-29页 |
| 3.3.3 小波神经网络训练算法 | 第29-30页 |
| 3.3.4 小波神经网络优势和不足 | 第30-31页 |
| 3.4 基于粒子算法优化小波神经网络 | 第31-34页 |
| 3.4.1 粒子群算法原理 | 第31-32页 |
| 3.4.2 基于粒子群算法优化小波神经网络 | 第32-34页 |
| 3.5 实验仿真 | 第34-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第4章 基于概率神经网络的故障诊断 | 第39-51页 |
| 4.1 概率神经网络理论基础 | 第39-42页 |
| 4.1.1 贝叶斯分类规则 | 第39-40页 |
| 4.1.2 Parzen窗方法 | 第40-42页 |
| 4.2 概率神经网络模型 | 第42-44页 |
| 4.2.1 拓扑结构 | 第42-43页 |
| 4.2.2 学习算法 | 第43-44页 |
| 4.3 概率神经网络改进方法 | 第44-46页 |
| 4.4 仿真实验 | 第46-50页 |
| 4.5 小结 | 第50-51页 |
| 第5章 锅炉故障诊断系统软件设计与实现 | 第51-59页 |
| 5.1 组态王软件介绍 | 第51页 |
| 5.2 锅炉故障诊断系统设计 | 第51-54页 |
| 5.2.1 主控画面的设计 | 第52-53页 |
| 5.2.2 历史、实时数据报表的设计 | 第53-54页 |
| 5.2.3 报警画面的设置 | 第54页 |
| 5.3 基于OPC技术组态王的与MATLAB实时通讯 | 第54-58页 |
| 5.3.1 OPC技术简介 | 第54-55页 |
| 5.3.2 OPC客户端服务器通信流程 | 第55-56页 |
| 5.3.3 MATLAB与组态王实时通讯具体实现 | 第56-58页 |
| 5.4 小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间所发表的论文 | 第67-69页 |
| 致谢 | 第69页 |