基于数据融合理论的火电机组监测系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-12页 |
| ·选题背景和意义 | 第9-10页 |
| ·机组性能监测和数据融合技术发展现状 | 第10-11页 |
| ·机组性能监测存在的问题和发展趋势 | 第10页 |
| ·数据融合国内外研究现状 | 第10-11页 |
| ·论文的主要内容和结构安排 | 第11-12页 |
| 第2章 火电机组工作原理和数据融合理论 | 第12-20页 |
| ·火电机组工作原理及运行特点 | 第12-15页 |
| ·机组工作原理 | 第12-14页 |
| ·单元机组负荷控制特点 | 第14-15页 |
| ·数据融合基本理论 | 第15-19页 |
| ·数据融合的定义 | 第15页 |
| ·数据融合的层次 | 第15-18页 |
| ·数据融合的结构形式 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 数据融合基本方法分析和研究 | 第20-25页 |
| ·基于参数估计的多传感器数据融合 | 第20-22页 |
| ·Bayes参数估计基本理论 | 第20-21页 |
| ·基于Bayes参数估计的数据融合模型 | 第21-22页 |
| ·基于D-S证据理论的多传感器数据融合 | 第22-24页 |
| ·D-S证据理论 | 第23页 |
| ·基于D-S证据理论的数据融合模型 | 第23-24页 |
| ·基于认识模型的多传感器数据融合 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第4章 基于BP神经网络的数据融合研究 | 第25-44页 |
| ·神经网络基本理论 | 第25-33页 |
| ·神经网络概述 | 第25页 |
| ·人工神经元结构模型 | 第25-29页 |
| ·神经网络结构 | 第29-30页 |
| ·神经网络学习方法和规则 | 第30-33页 |
| ·基于BP神经网络的数据融合方法 | 第33-43页 |
| ·BP神经网络的结构模型 | 第33-35页 |
| ·BP学习算法和实现 | 第35-41页 |
| ·标准BP算法的改进 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 机组监测系统数据融合方案设计 | 第44-62页 |
| ·机组数据融合的方式选择和整体结构 | 第44-45页 |
| ·机组数据的一致性检验 | 第45-47页 |
| ·基于自适应加权的机组一级数据融合 | 第47-50页 |
| ·权的概念和权数的确定 | 第47-48页 |
| ·自适应加权融合算法的基本原理 | 第48-49页 |
| ·机组性能参数的一级数据融合 | 第49-50页 |
| ·机组二级数据融合的BP网络实现与结果分析 | 第50-61页 |
| ·BP网络在Matlab中的实现 | 第50-57页 |
| ·BP网络的验证和结果分析 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
