| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究的背景及意义 | 第9页 |
| ·汽轮机组故障诊断研究现状 | 第9-11页 |
| ·汽轮机组故障诊断综述 | 第9-10页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11页 |
| ·智能算法应用于故障诊断 | 第11-13页 |
| ·论文内容与结构 | 第13页 |
| ·本章小结 | 第13-15页 |
| 第2章 汽轮机组的故障振动机理及其信息处理 | 第15-25页 |
| ·引言 | 第15页 |
| ·汽轮机组的典型振动故障 | 第15-22页 |
| ·转子质量不平衡 | 第15-17页 |
| ·轴系不对中 | 第17-19页 |
| ·动静碰摩 | 第19-21页 |
| ·油膜涡动与油膜振荡 | 第21-22页 |
| ·汽轮机组振动信息常用的分析方法 | 第22-24页 |
| ·汽轮机组故障信息处理 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 神经网络模型算法研究 | 第25-43页 |
| ·引言 | 第25-26页 |
| ·BP神经网络模型基本概念 | 第26-38页 |
| ·人工神经元模型的相关概念 | 第26-31页 |
| ·BP神经网络模型算法原理及其数学推导 | 第31-35页 |
| ·BP神经网络模型的结构及参数调整 | 第35-36页 |
| ·BP神经网络模型应用于汽轮机组故障诊断 | 第36-38页 |
| ·Elman神经网络模型的结构与算法 | 第38-42页 |
| ·Elman神经网络模型的结构 | 第38-39页 |
| ·Elman神经网络模型的算法原理 | 第39-40页 |
| ·Elman神经网络模型应用于汽轮机组故障诊断 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 信息融合方法在故障诊断中的应用 | 第43-59页 |
| ·引言 | 第43-45页 |
| ·信息融合方法应用于故障诊断 | 第45-47页 |
| ·Dempster-Shafer证据理论综述 | 第47-53页 |
| ·Dempster-Shafer证据理论的基本概念 | 第48-50页 |
| ·Dempster-Shafer证据理论合成方法 | 第50-51页 |
| ·Dempster-Shafer证据理论的优缺点 | 第51-52页 |
| ·Dempster-Shafer证据理论应用于故障诊断 | 第52-53页 |
| ·Dempster-Shafer证据理论应用于汽轮机组故障诊断 | 第53-58页 |
| ·Dempster-Shafer证据理论应用于汽轮机组故障诊断综述 | 第53-54页 |
| ·基于Dempster-Shafer证据理论的汽轮机组故障诊断实例 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 结论 | 第59页 |
| 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 作者简介 | 第65-66页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第66页 |
