基于运行数据的水轮机建模及应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究的背景及意义 | 第9页 |
| ·国内外相关技术发展现状及趋势分析 | 第9-12页 |
| ·水轮机的数学建模 | 第9-11页 |
| ·水轮发电机组优化方法 | 第11-12页 |
| ·本文主要研究内容及论文的结构安排 | 第12-13页 |
| ·本文研究的创新点 | 第13-14页 |
| 第2章 人工神经网络基本理论 | 第14-36页 |
| ·引言 | 第14-15页 |
| ·人工神经网络的发展史、特性及分类 | 第15-17页 |
| ·人工神经网络发展概述 | 第15-16页 |
| ·人工神经网络的特点 | 第16页 |
| ·人工神经网络的分类 | 第16-17页 |
| ·人工神经网络的组成 | 第17-31页 |
| ·生物神经元 | 第17-18页 |
| ·人工神经元 | 第18-20页 |
| ·人工神经网络的典型模型 | 第20-23页 |
| ·人工神经网络的工作原理 | 第23-25页 |
| ·人工神经网络的学习算法 | 第25-31页 |
| ·人工神经网络建模 | 第31-35页 |
| ·人工神经网络逼近理论 | 第31-33页 |
| ·人工神经网络建模 | 第33-35页 |
| ·本章小节 | 第35-36页 |
| 第3章 基于运行数据的水轮机能量特性建模及应用 | 第36-63页 |
| ·引言 | 第36页 |
| ·基于BP神经网络的水轮机能量特性建模及应用 | 第36-47页 |
| ·BP神经网络结构及基本概念 | 第36-37页 |
| ·BP算法基本思想 | 第37页 |
| ·BP神经网络的学习训练过程 | 第37-38页 |
| ·基于BP神经网络的水轮机能量特性建模 | 第38-46页 |
| ·BP神经网络局限性分析 | 第46-47页 |
| ·基于CC算法网络的水轮机能量特性建模及应用 | 第47-62页 |
| ·CC算法的提出 | 第47-48页 |
| ·CC算法网络结构 | 第48-50页 |
| ·CC网络权值学习算法 | 第50-51页 |
| ·基于CC算法网络的水轮机能量特性建模 | 第51-57页 |
| ·基于CC算法网络的水轮机振动特性建模及应用 | 第57-62页 |
| ·本章小结 | 第62-63页 |
| 第4章 基于运行数据的水轮机协联特性建模及应用 | 第63-84页 |
| ·引言 | 第63页 |
| ·径向基函数(RBF)神经网络与数据优化方法 | 第63-72页 |
| ·RBF神经网络模型 | 第63-66页 |
| ·RBF神经网络的学习算法 | 第66-70页 |
| ·数据优化方法 | 第70-72页 |
| ·基于运行数据的水轮机协联特性建模及应用 | 第72-83页 |
| ·黄壁庄水电厂协联特性试验 | 第72-78页 |
| ·基于RBF神经网络的黄壁庄试验数据处理方法研究 | 第78-81页 |
| ·黄壁庄试验数据处理过程 | 第81-83页 |
| ·小结 | 第83-84页 |
| 结论 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 致谢 | 第88-89页 |
| 作者简介 | 第89页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第89页 |
