| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第13-30页 |
| 1.1 课题研究的背景及意义 | 第13-15页 |
| 1.2 水电机组故障成因 | 第15-17页 |
| 1.3 水电机组特征提取与最优选择方法 | 第17-21页 |
| 1.4 故障诊断方法概述及其研究现状 | 第21-24页 |
| 1.5 故障诊断系统的研究现状 | 第24-27页 |
| 1.6 本文主要研究内容与结构 | 第27-30页 |
| 2 水电机组状态评估及故障诊断理论和方法 | 第30-40页 |
| 2.1 引言 | 第30页 |
| 2.2 集成经验模态分解的理论基础 | 第30-34页 |
| 2.3 水电机组状态评估 | 第34-37页 |
| 2.4 基于智能分类的故障诊断模型 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 3 水电机组非平稳故障征兆提取与最优选择 | 第40-60页 |
| 3.1 引言 | 第40页 |
| 3.2 基于固有模态排列熵的非平稳特征提取方法 | 第40-51页 |
| 3.3 基于智能算法的水电机组最优特征子集提取 | 第51-59页 |
| 3.4 本章小结 | 第59-60页 |
| 4 水电机组状态识别及性能评估方法研究 | 第60-71页 |
| 4.1 引言 | 第60页 |
| 4.2 基于定性趋势表达的水电机组开机试验性能评估方法研究 | 第60-66页 |
| 4.3 研究实验结果分析 | 第66-69页 |
| 4.4 本章小结 | 第69-71页 |
| 5 水电机组混合智能故障诊断方法研究 | 第71-84页 |
| 5.1 引言 | 第71页 |
| 5.2 基于两阶段极限学习机的故障诊断方法研究 | 第71-81页 |
| 5.3 应用于水电机组故障诊断 | 第81-83页 |
| 5.4 本章小结 | 第83-84页 |
| 6 基于面向服务架构的水电机组故障诊断系统集成及应用 | 第84-96页 |
| 6.1 基于面向服务架构的分布式故障诊断系统架构设计 | 第85-89页 |
| 6.2 分布式故障诊断系统在松江河梯级电厂的实际应用 | 第89-95页 |
| 6.3 本章小结 | 第95-96页 |
| 7 全文总结与展望 | 第96-100页 |
| 7.1 全文工作总结 | 第96-98页 |
| 7.2 进一步研究展望 | 第98-100页 |
| 致谢 | 第100-101页 |
| 参考文献 | 第101-114页 |
| 附录1：攻读博士期间所发表的论文 | 第114-116页 |
| 附录2：攻读博士期间完成和参与的科研项目 | 第116页 |
