| 摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-14页 |
| ·汽轮机通流部分故障诊断的研究 | 第6-11页 |
| ·目的与任务 | 第6页 |
| ·汽轮机诊断方法分类与概述 | 第6-7页 |
| ·国内外发展动态 | 第7-11页 |
| ·汽轮机通流部分故障诊断常用方法及特点 | 第11-12页 |
| ·主要研究内容和实现方法 | 第12-14页 |
| ·主要研究内容和思路 | 第12页 |
| ·关键技术和研究难点 | 第12-14页 |
| 第二章 汽轮机通流部分故障分析 | 第14-25页 |
| ·前言 | 第14页 |
| ·压力、温度、流量的关系 | 第14-19页 |
| ·级组的变工况特性 | 第14-16页 |
| ·压力流量关系式的应用条件 | 第16页 |
| ·压力流量公式的推广应用 | 第16-19页 |
| ·汽轮机通流部分故障 | 第19-21页 |
| ·300MW 仿真机可仿真的通流故障的分析 | 第20页 |
| ·300MW 仿真机不能仿真的通流故障 | 第20-21页 |
| ·汽轮机通流部分故障特性 | 第21页 |
| ·建立热力参数故障诊断知识库的方法 | 第21-22页 |
| ·通流部分模型的简化 | 第21-22页 |
| ·热力参数故障诊断知识库的建立 | 第22页 |
| ·汽轮机通流部分结垢故障诊断方法 | 第22-23页 |
| ·调节级后级组结垢，其它部分完好 | 第22-23页 |
| ·调节级结垢，其他部分完好 | 第23页 |
| ·调节阀门通道结垢，其他部分完好 | 第23页 |
| ·通流部分故障热力参数诊断征兆表 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 人工神经网络 | 第25-33页 |
| ·人工神经网络及其特征 | 第25-27页 |
| ·人工神经网络结构原理与算法 | 第27-29页 |
| ·ANN结构原理 | 第27-28页 |
| ·神经网络的学习算法 | 第28-29页 |
| ·PNN 网络 | 第29-32页 |
| ·PNN 网络模型 | 第29页 |
| ·PNN 算法 | 第29-30页 |
| ·PNN 网络结构与学习规则 | 第30-31页 |
| ·PNN 网络训练 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 PNN 神经网络在汽轮机通流故障诊断中的实例应用 | 第33-52页 |
| ·SQL Server 和 Matlab | 第33-35页 |
| ·SQL Server 2000 | 第33页 |
| ·Matlab 6.5 | 第33-34页 |
| ·数据库与 Matlab 的 ODBC 连接 | 第34页 |
| ·水蒸汽C 语言 Mex 程序文件的编写 | 第34-35页 |
| ·基于 PNN 网络的汽轮机通流故障诊断过程 | 第35-37页 |
| ·常规热力学诊断方法部分 | 第36页 |
| ·PNN 神经网络诊断方法部分 | 第36-37页 |
| ·样本集设计与选取 | 第37-38页 |
| ·PNN 网络输入输出 | 第38-41页 |
| ·输入输出参数的确定 | 第38页 |
| ·输入参数预处理 | 第38-40页 |
| ·变工况输入参数基准值计算 | 第40-41页 |
| ·PNN 网络训练与测试 | 第41-47页 |
| ·网络训练 | 第41-42页 |
| ·PNN 网络测试与分析 | 第42-44页 |
| ·BP 网络仿真效果对比 | 第44-47页 |
| ·离线训练与实时监测 | 第47页 |
| ·算例 | 第47-51页 |
| ·小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录 | 第58-63页 |