| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-20页 |
| ·本文选题背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·核电厂故障诊断系统研究现状 | 第9-10页 |
| ·核电厂故障诊断技术概述 | 第10-11页 |
| ·混合智能诊断技术的概述 | 第11页 |
| ·故障诊断方法分类及研究概况 | 第11-15页 |
| ·基于解析模型的方法 | 第12页 |
| ·基于信号处理的方法 | 第12-13页 |
| ·基于知识的方法 | 第13-15页 |
| ·故障诊断方法的选择 | 第15-16页 |
| ·神经网络的优势 | 第15-16页 |
| ·SDG(Signed Directed Graph)专家系统的优势 | 第16页 |
| ·研究目标与主要任务 | 第16-18页 |
| ·本文的结构安排 | 第18-20页 |
| 第2章 混合智能故障诊断系统的框架设计 | 第20-29页 |
| ·诊断对象介绍以及故障现象分析 | 第20-23页 |
| ·反应堆 | 第21-22页 |
| ·蒸汽发生器 | 第22页 |
| ·稳压器 | 第22-23页 |
| ·冷却剂管道 | 第23页 |
| ·典型故障与特征信息 | 第23-25页 |
| ·故障诊断系统的框架结构 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于神经网络的单一以及多重故障的诊断 | 第29-50页 |
| ·单一故障诊断模块的设计 | 第29-39页 |
| ·BP 神经网络 | 第31-33页 |
| ·BP 神经网络的样本 | 第33-34页 |
| ·双联想神经网络的原理 | 第34-37页 |
| ·DSmT 数据融合 | 第37-39页 |
| ·基于神经网络的局部诊断在处理多重故障时的问题 | 第39-42页 |
| ·基于神经网络的全局诊断策略 | 第42-44页 |
| ·多重故障诊断的样本获取 | 第44-48页 |
| ·本章小结 | 第48-50页 |
| 第4章 多重故障路径的验证 | 第50-67页 |
| ·神经网络技术的局限 | 第50页 |
| ·SDG 模型简介 | 第50-52页 |
| ·改进的基于深层知识的 SDG 模型 | 第52-56页 |
| ·条件有效支路 | 第52页 |
| ·分级建模方法以及步骤 | 第52-54页 |
| ·双向推理规则 | 第54-56页 |
| ·历史数据的分析 | 第56页 |
| ·SDG 与神经网络诊断模块的信息共享 | 第56-57页 |
| ·系统建模 | 第57-65页 |
| ·本章小结 | 第65-67页 |
| 第5章 故障诊断系统的实现与验证 | 第67-90页 |
| ·故障诊断系统软件的开发 | 第67-72页 |
| ·软件开发 | 第67页 |
| ·系统结构以及功能 | 第67-72页 |
| ·诊断实例验证 | 第72-88页 |
| ·单一故障的验证 | 第72-81页 |
| ·多重故障的验证 | 第81-88页 |
| ·本章小结 | 第88-90页 |
| 结论 | 第90-93页 |
| 参考文献 | 第93-99页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第99-101页 |
| 致谢 | 第101页 |