| 第1章 绪论 | 第1-20页 |
| 1．1 课题的背景及选题的意义 | 第11-13页 |
| 1．2 国内外的发展情况 | 第13页 |
| 1．3 故障诊断概述 | 第13-19页 |
| 1．3．1 故障诊断的发展概况 | 第14-15页 |
| 1．3．2 故障诊断的任务及其研究的内容 | 第15-16页 |
| 1．3．3 故障诊断的方法 | 第16-19页 |
| 1．4 论文的主要研究内容与实现方法 | 第19-20页 |
| 第2章 二回路凝给水系统建模 | 第20-42页 |
| 2．1 引言 | 第20-21页 |
| 2．2 蒸汽发生器模块数学模型 | 第21-28页 |
| 2．2．1 数学模型的假设 | 第22页 |
| 2．2．2 数学模型的建立 | 第22-24页 |
| 2．2．3 数学模型的求解 | 第24-28页 |
| 2．3 冷凝器数学模型 | 第28-36页 |
| 2．3．1 数学模型的假设 | 第29页 |
| 2．3．2 数学模型的建立 | 第29-32页 |
| 2．3．3 数学模型的求解 | 第32-35页 |
| 2．3．4 真空抽气计算 | 第35-36页 |
| 2．4 给水加热器模块数学模型 | 第36-39页 |
| 2．4．1 数学模型的假设 | 第37页 |
| 2．4．2 数学模型的建立 | 第37-38页 |
| 2．4．3 数学模型的求解 | 第38-39页 |
| 2．5 热井模块及泵模块数学模型 | 第39-41页 |
| 2．5．1 热井数学模型 | 第39页 |
| 2．5．2 主凝水泵数学模型 | 第39-41页 |
| 2．6 本章小结 | 第41-42页 |
| 第3章 二回路凝给水系统故障分析与仿真 | 第42-53页 |
| 3．1 引言 | 第42-43页 |
| 3．2 二回路凝给水系统典型故障 | 第43-52页 |
| 3．2．1 故障分析 | 第43-44页 |
| 3．2．2 故障设置及仿真结果 | 第44-52页 |
| 3．3 本章小结 | 第52-53页 |
| 第4章 RBF人工神经网络 | 第53-66页 |
| 4．1 引言 | 第53页 |
| 4．2 人工神经网络概述 | 第53-58页 |
| 4．2．1 人工神经网络结构原理 | 第54-55页 |
| 4．2．3 神经网络的学习方法 | 第55-58页 |
| 4．3 RBF人工神经网络 | 第58-65页 |
| 4．3．1 RBF网学习规则 | 第59-60页 |
| 4．3．2 RBF网训练方式 | 第60-65页 |
| 4．4 本章小结 | 第65-66页 |
| 第5章 基于RBF人工神经网络的凝给水系统故障诊断 | 第66-76页 |
| 5．1 引言 | 第66页 |
| 5．2 故障诊断策略 | 第66-67页 |
| 5．3 RBF神经网络训练样本集的设计 | 第67-71页 |
| 5．3．1 输入、输出向量的确定 | 第68页 |
| 5．3．2 网络输入变量归一化处理 | 第68-69页 |
| 5．3．3 征兆/故障样本集的设计 | 第69-71页 |
| 5．4 网络诊断结果与分析 | 第71-75页 |
| 5．5 本章小结 | 第75-76页 |
| 第6章 RBF人工神经网络故障诊断系统 | 第76-83页 |
| 6．1 引言 | 第76页 |
| 6．2 系统开发环境 | 第76页 |
| 6．3 系统组成简介 | 第76-82页 |
| 6．3．1 神经网络训练模块 | 第77-78页 |
| 6．3．2 离线诊断模式模块 | 第78-82页 |
| 6．3．3 在线诊断模式模块 | 第82页 |
| 6．3．4 故障报告模块 | 第82页 |
| 6．4 本章小结 | 第82-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-90页 |