| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·课题的研究目的及意义 | 第10-11页 |
| ·课题研究及应用现状 | 第11-15页 |
| ·国、内外故障诊断技术的发展及应用概况 | 第11-13页 |
| ·神经网络发展概述 | 第13-14页 |
| ·BP算法的改进概述 | 第14-15页 |
| ·课题的研究的主要内容和步骤 | 第15-18页 |
| ·研究的主要内容 | 第15-16页 |
| ·研究方法 | 第16页 |
| ·重点与难点 | 第16-17页 |
| ·工作步骤 | 第17-18页 |
| 2 汽轮机热力系统故障诊断与预测知识库 | 第18-29页 |
| ·汽轮机热力系统故障知识 | 第18-19页 |
| ·汽轮机组故障特点 | 第18页 |
| ·汽轮机热力系统故障 | 第18-19页 |
| ·汽轮机热力系统故障诊断与预测功能模块 | 第19-20页 |
| ·汽轮机热力系统故障诊断与预测知识库 | 第20-29页 |
| ·知识表示 | 第21-23页 |
| ·知识获取 | 第23页 |
| ·汽轮机热力系统故障诊断与预测知识库的建立 | 第23-29页 |
| 3 人工神经网络及改进的BP算法 | 第29-42页 |
| ·人工神经网络 | 第29-33页 |
| ·神经网络基本原理 | 第29-31页 |
| ·BP网络 | 第31-33页 |
| ·改进BP算法 | 第33-42页 |
| ·动量项BP算法 | 第33-34页 |
| ·自适应学习率BP算法 | 第34-35页 |
| ·改进共轭梯度BP算法 | 第35-36页 |
| ·分部优化BP算法 | 第36-38页 |
| ·递推合成BP算法 | 第38-42页 |
| 4 改进BP算法在汽轮机热力系统故障诊断中的应用研究 | 第42-58页 |
| ·样本的建立 | 第42-45页 |
| ·高加系统的典型故障和故障特征集合 | 第42页 |
| ·高加系统典型故障样本集 | 第42-45页 |
| ·改进BP算法在高加系统故障诊断中的应用 | 第45-49页 |
| ·采用动量项BP算法 | 第45-47页 |
| ·采用自适应学习率BP算法 | 第47-48页 |
| ·采用改进共轭梯度BP算法 | 第48-49页 |
| ·采用三种改进BP算法训练结果比较 | 第49-52页 |
| ·网络训练速度的比较 | 第49-50页 |
| ·网络训练诊断精度的比较 | 第50-52页 |
| ·改进共轭梯度BP算法在汽轮机热力系统的应用 | 第52-57页 |
| ·凝汽系统的应用 | 第52-55页 |
| ·给水除氧系统的应用 | 第55-57页 |
| ·小结 | 第57-58页 |
| 5 改进BP算法在汽轮机热力系统故障预测中的应用研究 | 第58-67页 |
| ·BP神经网络预测法 | 第58-59页 |
| ·汽轮机热力系统故障预测样本 | 第59-60页 |
| ·改进BP算法在汽轮机热力系统故障预测中的应用 | 第60-64页 |
| ·递推合成BP算法的应用 | 第60-63页 |
| ·分部优化BP算法的应用 | 第63-64页 |
| ·两种改进BP算法的应用比较 | 第64-66页 |
| ·网络训练速度的比较 | 第64页 |
| ·预测精度的比较 | 第64-66页 |
| ·小结 | 第66-67页 |
| 6 系统软件实现及仿真试验 | 第67-74页 |
| ·故障诊断与预测软件的设计方法 | 第67-68页 |
| ·系统编程语言 | 第67页 |
| ·数据库连接方法 | 第67页 |
| ·系统软件工作平台 | 第67-68页 |
| ·系统界面 | 第68-73页 |
| ·系统主界面 | 第68页 |
| ·样本训练界面 | 第68-70页 |
| ·故障诊断界面 | 第70-71页 |
| ·参数预测界面 | 第71-73页 |
| ·小结 | 第73-74页 |
| 7 结论 | 第74-76页 |
| 致 谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 附录:作者在攻读硕士学位期间发表的论文目录 | 第80页 |