| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·汽轮发电机组综合监测与故障诊断技术的目的与意义 | 第9-10页 |
| ·汽轮发电机组综合监测与故障诊断的研究现状 | 第10-13页 |
| ·国外发展概况 | 第11-12页 |
| ·国内发展概况 | 第12-13页 |
| ·汽轮发电机组故障诊断的基本理论 | 第13-17页 |
| ·本文研究的主要工作内容 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第2章 分布式汽轮发电机组综合故障诊断系统的结构设计 | 第19-36页 |
| ·分布式远程综合故障诊断系统的理论基础 | 第19-20页 |
| ·系统的总体结构、功能及特点 | 第20-27页 |
| ·传感器子系统 | 第21-22页 |
| ·现场数据采集与预处理子系统 | 第22-25页 |
| ·现场数据采集与预处理子系统的构成 | 第25-27页 |
| ·网络子系统 | 第27-31页 |
| ·故障诊断系统管理软件结构和功能 | 第31-35页 |
| ·本章小节 | 第35-36页 |
| 第3章 自适应粒子群算法的研究 | 第36-44页 |
| ·引言 | 第36-37页 |
| ·粒子群优化算法基本原理 | 第37-41页 |
| ·改进粒子群算法 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于神经网络的故障诊断方法的研 | 第44-59页 |
| ·引言 | 第44-45页 |
| ·神经网络的基本理论 | 第45-52页 |
| ·神经网络的基本特征和性质 | 第45-47页 |
| ·BP神经网络模型及其算法 | 第47-49页 |
| ·BP神经网络算法的改进 | 第49-52页 |
| ·基于自适应粒子群算法(PSO)的BP神经网络诊断模型 | 第52-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 汽轮发电机组故障诊断的遗传模糊诊断方法的研究 | 第59-78页 |
| ·引言 | 第59页 |
| ·模糊集合的基本理论 | 第59-64页 |
| ·模糊集合的基本概念 | 第59-60页 |
| ·隶属度的确定方法 | 第60-62页 |
| ·常用的隶属函数 | 第62-63页 |
| ·模糊关系与模糊关系矩阵 | 第63-64页 |
| ·模糊聚类分析诊断原理的研究 | 第64-69页 |
| ·模糊C—均值聚类算法的基本知识 | 第65-66页 |
| ·模糊C—均值聚类算法的一般步骤 | 第66-67页 |
| ·模糊C—均值聚类算法算法中参数m值的优选 | 第67-69页 |
| ·自适应遗传算法对FCM算法的优化 | 第69-72页 |
| ·诊断实例 | 第72-77页 |
| ·本章小节 | 第77-78页 |
| 第6章 结论与展望 | 第78-80页 |
| ·研究总结 | 第78-79页 |
| ·后续工作的展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间公开发表论文 | 第84-85页 |
| 致谢 | 第85-86页 |
| 研究生履历 | 第86-87页 |
| 学位论文评阅及答辩情况表 | 第87页 |
