| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 课题在国内外的研究发展现状 | 第10-14页 |
| 1.2.1 热力系统故障诊断研究现状 | 第10-12页 |
| 1.2.2 极端学习机(ELM)算法研究与应用现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 第2章 算法模型的基本原理 | 第15-21页 |
| 2.1 人工神经网络模型 | 第15页 |
| 2.2 极端学习机的基本原理 | 第15-18页 |
| 2.3 粒子群算法的基本原理 | 第18-19页 |
| 2.4 MATLAB简介 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 故障诊断方法概述 | 第21-26页 |
| 3.1 故障诊断的基本原理 | 第21页 |
| 3.2 热力系统动态过程故障诊断方法 | 第21-25页 |
| 3.2.1 诊断实现过程 | 第21-23页 |
| 3.2.2 征兆模糊计算 | 第23-24页 |
| 3.2.3 征兆缩放技术 | 第24-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第4章 高加系统故障诊断研究 | 第26-45页 |
| 4.1 高压加热器及典型故障简介 | 第26-27页 |
| 4.2 高加系统故障特征参数ELM预测模型 | 第27-31页 |
| 4.2.1 变量选取 | 第27页 |
| 4.2.2 训练样本获取 | 第27页 |
| 4.2.3 ELM预测模型建立和训练结果 | 第27-31页 |
| 4.3 高加系统故障特征参数PSO-ELM预测模型 | 第31-33页 |
| 4.3.1 PSO-ELM预测模型建立 | 第31-32页 |
| 4.3.2 PSO-ELM预测模型训练结果 | 第32-33页 |
| 4.4 故障诊断模型的建立 | 第33-38页 |
| 4.4.1 稳态过程高加故障规律的仿真研究 | 第33-36页 |
| 4.4.2 故障模糊知识库建立 | 第36-37页 |
| 4.4.3 诊断模型离线训练 | 第37-38页 |
| 4.5 高加系统故障在线仿真诊断实验 | 第38-44页 |
| 4.5.1 在线诊断模型建立 | 第38-39页 |
| 4.5.2 稳态过程故障诊断仿真试验 | 第39-42页 |
| 4.5.3 变负荷动态过程故障诊断仿真试验 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 总结及展望 | 第45-47页 |
| 5.1 全文总结 | 第45页 |
| 5.2 下一步工作展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第50-51页 |
| 致谢 | 第51页 |