| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题背景及其意义 | 第8-9页 |
| 1.2 故障预测的国内外研究及应用现状 | 第9-13页 |
| 1.2.1 故障预测技术的发展概述 | 第9-11页 |
| 1.2.2 故障预测方法的基本介绍 | 第11-12页 |
| 1.2.3 专家系统与神经网络发展概述 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 锅炉系统及其故障分析 | 第16-26页 |
| 2.1 锅炉系统介绍 | 第16-19页 |
| 2.1.1 锅炉结构及工艺流程 | 第16-17页 |
| 2.1.2 锅炉性能指标与故障类型 | 第17-19页 |
| 2.2 锅炉系统的主要故障及相关故障预测技术 | 第19-24页 |
| 2.2.1 锅炉的主要故障 | 第19-23页 |
| 2.2.2 锅炉的相关故障预测技术 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 3 故障预测功能模块与组建知识库 | 第26-38页 |
| 3.1 锅炉故障预测系统的框架 | 第26-27页 |
| 3.2 知识表示与获取 | 第27-31页 |
| 3.2.1 知识分类与表示 | 第27-30页 |
| 3.2.2 知识表示与获取的结合 | 第30-31页 |
| 3.3 锅炉故障预测系统知识库的组建 | 第31-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 锅炉故障预测的多变量灰色误差神经网络模型 | 第38-60页 |
| 4.1 灰色系统与神经网络的理论基础 | 第38-44页 |
| 4.1.1 灰色系统的理论基础 | 第38-41页 |
| 4.1.2 神经网络的理论基础 | 第41-44页 |
| 4.2 灰色模型预测法与BP算法的实现 | 第44-47页 |
| 4.2.1 MGM(1,N)预测模型的建立 | 第44-45页 |
| 4.2.2 修正预测值的改进BP神经网络 | 第45-46页 |
| 4.2.3 算法步骤 | 第46-47页 |
| 4.3 锅炉故障预测模型的建立 | 第47-58页 |
| 4.3.1 T-S模糊神经网络故障预测模型 | 第48-55页 |
| 4.3.2 多变量灰色误差神经网络模型 | 第55-58页 |
| 4.4 小结 | 第58-60页 |
| 5 锅炉故障预测系统开发及结果分析 | 第60-66页 |
| 5.1 故障预测系统软件设计 | 第60页 |
| 5.2 系统的界面与操作 | 第60-62页 |
| 5.3 系统的仿真实验及结果分析 | 第62-64页 |
| 5.4 本章小结 | 第64-66页 |
| 6 基于新华DCS的故障预测系统应用 | 第66-78页 |
| 6.1 新华DCS系统XDC800概述 | 第66-68页 |
| 6.2 故障预测系统的设计 | 第68-71页 |
| 6.2.1 知识获取与数据库建立 | 第69-70页 |
| 6.2.2 基于OPC技术的数据通信 | 第70-71页 |
| 6.3 故障预测系统的实现 | 第71页 |
| 6.4 故障预测模型直接在XDC-800 中的实现探索 | 第71-77页 |
| 6.4.1 功能块与算法模块的简介 | 第71-73页 |
| 6.4.2 多变量灰色误差神经网络模型的功能实现 | 第73-77页 |
| 6.5 小结 | 第77-78页 |
| 总结与展望 | 第78-80页 |
| 总结 | 第78-79页 |
| 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 攻读学位期间发表的学术论文目录 | 第86-87页 |