核动力装置数据融合智能诊断系统应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第1章 绪论 | 第14-32页 |
| ·引言 | 第14-15页 |
| ·本论文选题背景及意义 | 第15-16页 |
| ·故障诊断技术的研究及应用 | 第16-23页 |
| ·故障诊断的发展历程 | 第16-18页 |
| ·故障诊断方法的研究现状 | 第18-19页 |
| ·典型的故障诊断方法 | 第19-23页 |
| ·数据融合技术在故障诊断中的应用 | 第23-24页 |
| ·数据融合技术应用于故障诊断的起因 | 第23-24页 |
| ·故障诊断数据融合系统的功能模型 | 第24页 |
| ·故障诊断的数据融合方法 | 第24页 |
| ·核动力装置诊断技术的发展 | 第24-28页 |
| ·核安全发展的主要特征 | 第24-26页 |
| ·核动力装置故障诊断技术 | 第26-27页 |
| ·核动力装置故障诊断系统的功能分析 | 第27-28页 |
| ·数据融合智能诊断系统的功能设计 | 第28-29页 |
| ·本文的主要研究内容 | 第29-30页 |
| ·论文的结构安排 | 第30-32页 |
| 第2章 数据融合智能诊断系统结构研究 | 第32-42页 |
| ·数据融合智能诊断系统总体设计 | 第32-33页 |
| ·数据融合智能诊断各子系统设计 | 第33-36页 |
| ·人机接口设计 | 第33页 |
| ·状态监测子系统设计 | 第33-34页 |
| ·数据库和知识库设计 | 第34页 |
| ·趋势预测子系统设计 | 第34-35页 |
| ·故障定位子系统设计 | 第35页 |
| ·故障诊断子系统设计 | 第35页 |
| ·维修决策子系统设计 | 第35-36页 |
| ·理论方法概述 | 第36-41页 |
| ·数据挖掘 | 第36-37页 |
| ·数据融合 | 第37-39页 |
| ·蚁群算法 | 第39-40页 |
| ·灰色预测理论 | 第40页 |
| ·以可靠性为中心的维修理论 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 基于灰色理论的核动力装置趋势预测研究 | 第42-66页 |
| ·灰色理论的趋势预测方法 | 第42-44页 |
| ·数据处理 | 第42-43页 |
| ·光滑离散函数 | 第43-44页 |
| ·核动力装置采用灰色预测的可行性分析 | 第44-45页 |
| ·趋势预测模型的比较与选择 | 第45-57页 |
| ·GM(1,1)模型 | 第45-48页 |
| ·残差GM(1,1)模型 | 第48-50页 |
| ·GM(2,1)模型 | 第50-51页 |
| ·三角函数变换GM(1,1)模型 | 第51-53页 |
| ·灰色马尔柯夫GM(1,1)预测模型 | 第53-57页 |
| ·核动力装置趋势预测子系统编程实现 | 第57-64页 |
| ·预测模型优化 | 第57-59页 |
| ·趋势预测子系统程序设计 | 第59-61页 |
| ·趋势预测子系统程序测试 | 第61-64页 |
| ·本章小结 | 第64-66页 |
| 第4章 基于数据挖掘的融合诊断方法研究 | 第66-94页 |
| ·数据挖掘技术 | 第66-67页 |
| ·数据挖掘的定义 | 第66页 |
| ·数据挖掘的过程 | 第66-67页 |
| ·数据融合理论 | 第67-69页 |
| ·数据融合的定义 | 第67页 |
| ·数据融合的级别 | 第67-69页 |
| ·融合诊断子系统模型 | 第69-70页 |
| ·数据级融合模块 | 第70-77页 |
| ·数据挖掘的步骤 | 第70-72页 |
| ·概念格的数据挖掘方法 | 第72-76页 |
| ·动态有序概念格的数据挖掘方法 | 第76-77页 |
| ·特征级局部诊断模块 | 第77-84页 |
| ·BP神经网络并行局部诊断 | 第77-82页 |
| ·动态有序概念格构造 | 第82-84页 |
| ·决策级融合模块 | 第84-92页 |
| ·D-S证据理论 | 第84-89页 |
| ·神经网络与D-S证据理论相结合的融合诊断方法 | 第89-92页 |
| ·本章小结 | 第92-94页 |
| 第5章 蚁群算法在核动力装置故障定位中的应用研究 | 第94-110页 |
| ·蚁群算法概述 | 第94-99页 |
| ·人工蚁群算法的基本思想 | 第94-95页 |
| ·蚁群算法基本模型 | 第95-97页 |
| ·改进的蚁群优化算法 | 第97-99页 |
| ·蚁群算法在核动力装置故障定位中的应用 | 第99-102页 |
| ·核动力装置故障分级定位 | 第99-100页 |
| ·核动力装置故障定位的蚁群算法 | 第100-102页 |
| ·应用实例 | 第102-108页 |
| ·本章小结 | 第108-110页 |
| 第6章 核动力装置维修决策方法研究 | 第110-132页 |
| ·概述 | 第110页 |
| ·以可靠性为中心的维修方法 | 第110-117页 |
| ·RCM分析步骤 | 第110-113页 |
| ·一回路冷却剂系统RCM分析 | 第113-117页 |
| ·核动力装置维修优化 | 第117-128页 |
| ·核动力装置维修特点 | 第117-118页 |
| ·定期维修优化 | 第118-122页 |
| ·状态维修优化 | 第122-128页 |
| ·主冷却剂系统变权模糊综合状态评价 | 第128-131页 |
| ·变权理论 | 第128-130页 |
| ·变权模糊综合状态评价模型 | 第130-131页 |
| ·本章小结 | 第131-132页 |
| 第7章 核动力装置数据融合智能诊断系统的开发 | 第132-158页 |
| ·概述 | 第132-134页 |
| ·系统的设计与实现 | 第134-145页 |
| ·功能结构设计 | 第134-136页 |
| ·核动力装置数据融合智能诊断系统的实现 | 第136-145页 |
| ·系统的测试及结果分析 | 第145-156页 |
| ·故障诊断功能测试 | 第145-151页 |
| ·趋势预测功能测试 | 第151-152页 |
| ·故障定位功能测试 | 第152-153页 |
| ·维修决策功能测试 | 第153-156页 |
| ·本章小结 | 第156-158页 |
| 结论 | 第158-161页 |
| 参考文献 | 第161-177页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第177-179页 |
| 致谢 | 第179-180页 |
| 个人简历 | 第180页 |
