反向建模在复杂热力系统建模中的应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·选题背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·机理建模 | 第12页 |
| ·反向建模 | 第12-15页 |
| ·论文的主要工作 | 第15-17页 |
| 第2章 复杂热力系统反向建模方法介绍 | 第17-25页 |
| ·广义回归神经网络介绍 | 第17-21页 |
| ·广义回归神经网络结构 | 第17-18页 |
| ·广义回归神经网络特点 | 第18-19页 |
| ·网络分布密度spread的优化调整 | 第19-21页 |
| ·投影寻踪原理介绍 | 第21-23页 |
| ·投影寻踪基本原理 | 第21页 |
| ·投影寻踪主成分分析模型简介 | 第21-22页 |
| ·投影寻踪等级评价模型简介 | 第22-23页 |
| ·密度窗宽的确定 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第3章 反向建模特征变量提取方法研究 | 第25-31页 |
| ·特征变量提取的意义及要求 | 第25-26页 |
| ·特征变量提取常用方法介绍 | 第26页 |
| ·机理分析方法 | 第26页 |
| ·统计分析方法 | 第26页 |
| ·基于GL-MIV算法的特征变量提取方法介绍 | 第26-29页 |
| ·GL-MIV算法原理 | 第26-28页 |
| ·仿真算例 | 第28-29页 |
| ·算法有效性分析 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第4章 基于反向建模的热力系统回归模型研究 | 第31-40页 |
| ·主蒸汽流量测量方法介绍 | 第31页 |
| ·直接测量法 | 第31页 |
| ·间接测量法 | 第31页 |
| ·基于弗留格尔公式的计算方法简介 | 第31-33页 |
| ·弗留格尔公式简介 | 第31-32页 |
| ·弗留格尔公式修正公式 | 第32-33页 |
| ·基于广义回归神经网络的机组主蒸汽流量测量 | 第33-38页 |
| ·模型特征变量及建模样本的选取 | 第33-34页 |
| ·数据预处理 | 第34页 |
| ·基于GL-MIV算法的特征变量提取 | 第34-36页 |
| ·网络分布密度spread的优化调整 | 第36-37页 |
| ·主蒸汽流量测定结果分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第5章 基于反向建模的热力系统分类模型研究 | 第40-49页 |
| ·基于投影寻踪原理的火电机组综合评估 | 第40-44页 |
| ·问题背景 | 第40页 |
| ·综合评估对象与指标集的选取 | 第40-42页 |
| ·单一指标集的投影寻踪主成分分析 | 第42-43页 |
| ·综合指标集的投影寻踪状态评估 | 第43页 |
| ·基于投影寻踪原理的评估结果对比研究 | 第43-44页 |
| ·基于小波分析-广义回归神经网络的汽轮机故障诊断 | 第44-48页 |
| ·问题背景 | 第44页 |
| ·样本特征量的确定 | 第44-45页 |
| ·小波分析与构建模型 | 第45-47页 |
| ·诊断结果分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| ·全文总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 攻读学位期间发表的论文 | 第57-58页 |
| 致谢 | 第58页 |
