基于神经网络的火电厂凝汽器故障诊断研究
| 提要 | 第1-9页 |
| 第一章绪论 | 第9-17页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·故障诊断技术的发展和研究现状 | 第10-12页 |
| ·国外状态检测与故障诊断技术的发展和应用现状 | 第10页 |
| ·国内故障诊断技术的发展及研究现状 | 第10-11页 |
| ·火电厂故障诊断研究中存在的问题 | 第11-12页 |
| ·火电厂设备的故障诊断方法 | 第12-16页 |
| ·专家系统诊断方法 | 第12-13页 |
| ·模糊诊断方法的应用 | 第13-14页 |
| ·基于粗糙集理论的故障诊断方法 | 第14页 |
| ·神经网络技术的应用 | 第14-16页 |
| ·本文研究的主要内容 | 第16-17页 |
| 第二章火电厂系统模型及故障诊断研究 | 第17-29页 |
| ·火电厂系统概述 | 第17-23页 |
| ·燃气轮机 | 第19-20页 |
| ·蒸汽轮机 | 第20-21页 |
| ·锅炉 | 第21-22页 |
| ·凝汽器 | 第22页 |
| ·给水系统 | 第22-23页 |
| ·故障与故障诊断概述 | 第23-25页 |
| ·故障分类与特征描述 | 第23-24页 |
| ·故障诊断与故障诊断过程 | 第24-25页 |
| ·大规模过程系统故障模型化研究 | 第25-28页 |
| ·传感器故障模型 | 第26页 |
| ·执行器故障模型 | 第26-27页 |
| ·系统状态故障模型 | 第27-28页 |
| ·渐进性与突发性故障模型 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章基于SOM 神经网络的凝汽器故障诊断 | 第29-45页 |
| ·引言 | 第29页 |
| ·凝汽器系统概述及其故障诊断的特点 | 第29-32页 |
| ·凝汽器系统概述 | 第29-31页 |
| ·凝汽器故障诊断的特点 | 第31页 |
| ·凝汽器系统故障诊断方法的分析研究 | 第31-32页 |
| ·凝汽器的运行故障及征兆提取 | 第32-34页 |
| ·凝汽器系统故障诊断的过程 | 第34-36页 |
| ·故障诊断的基本思想 | 第34-35页 |
| ·凝汽器系统故障诊断的过程 | 第35-36页 |
| ·自组织特征映射神经网络 | 第36-40页 |
| ·自组织特征映射神经网络模型 | 第37-38页 |
| ·自组织特征映射神经网络的学习算法 | 第38-40页 |
| ·自组织神经网络在凝汽器故障诊断中的应用 | 第40-44页 |
| ·故障征兆参数处理 | 第40-41页 |
| ·神经网络的学习及诊断过程 | 第41-42页 |
| ·凝汽器故障诊断仿真 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章基于模糊BP 神经网络的故障诊断方法 | 第45-67页 |
| ·引言 | 第45页 |
| ·BP 神经网络 | 第45-53页 |
| ·BP 网络结构及学习算法 | 第45-51页 |
| ·BP 神经网络改进学习算法 | 第51-52页 |
| ·神经网络初始权值的选取 | 第52-53页 |
| ·模糊BP 神经网络方法 | 第53-57页 |
| ·模糊理论概述 | 第53-54页 |
| ·模糊逻辑与神经网络的结合 | 第54-55页 |
| ·模糊 BP 神经网络结构 | 第55-57页 |
| ·凝汽器系统的模糊神经网络故障诊断实现 | 第57-62页 |
| ·模糊隶属函数及故障知识库的建立 | 第57-60页 |
| ·模糊诊断的BP 神经网络模型及学习 | 第60页 |
| ·几种学习算法训练结果比较 | 第60-62页 |
| ·凝汽器故障诊断仿真 | 第62-66页 |
| ·单故障诊断仿真 | 第62-63页 |
| ·多故障诊断仿真 | 第63-64页 |
| ·故障程度诊断仿真 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 火电厂状态监控与故障诊断仿真系统 | 第67-77页 |
| ·引言 | 第67页 |
| ·开发平台的选择 | 第67-70页 |
| ·系统功能模块与界面设计 | 第70-71页 |
| ·系统功能模块实现 | 第71-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 全文总结 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 附录 | 第83-97页 |
| 摘要 | 第97-99页 |
| Abstract | 第99-102页 |
| 致谢 | 第102-103页 |
| 作者攻读硕士学位期间完成的主要论文 | 第103-104页 |
| 导师与作者简介 | 第104页 |
