| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 1、绪论 | 第13-39页 |
| 1.1 本文研究的背景和意义 | 第13-15页 |
| 1.2 水轮发电机组故障机理及故障特征分析 | 第15-22页 |
| 1.3 水轮发电机组数据处理的研究综述 | 第22-27页 |
| 1.4 水轮发电机组维修决策支持的研究综述 | 第27-35页 |
| 1.5 论文主要研究内容 | 第35-39页 |
| 2、水轮发电机组非平稳微弱信号特征提取方法研究 | 第39-57页 |
| 2.1 引言 | 第39页 |
| 2.2 独立分量分析与经验模态分解的基本原理 | 第39-48页 |
| 2.3 ICA-EMD特征提取法 | 第48-49页 |
| 2.4 工程实例验证 | 第49-55页 |
| 2.5 本章小结 | 第55-57页 |
| 3、基于KICA-PCA的水轮发电机组工况过程诊断方法 | 第57-71页 |
| 3.1 引言 | 第57-58页 |
| 3.2 基于KICA-PCA的过程性能监控原理 | 第58-61页 |
| 3.3 基于KICA-PCA的水轮发电机组工况过程诊断方法 | 第61-65页 |
| 3.4 工程实例验证 | 第65-70页 |
| 3.5 本章小结 | 第70-71页 |
| 4、水轮发电机组振动趋势预测与压力脉动状态预测评估 | 第71-93页 |
| 4.1 引言 | 第71页 |
| 4.2 基于工况参数的水轮发电机组振动趋势预测 | 第71-78页 |
| 4.3 考虑运行工况的水轮发电机组压力脉动状态预测评估模型 | 第78-89页 |
| 4.4 工程实例验证 | 第89-91页 |
| 4.5 本章小结 | 第91-93页 |
| 5、基于CEGD-FNN的水轮发电机组故障预测方法研究 | 第93-114页 |
| 5.1 引言 | 第93-94页 |
| 5.2 模糊系统原理 | 第94-97页 |
| 5.3 径向基(RBF)神经网络 | 第97-100页 |
| 5.4 基于CEGD-FNN的水轮发电机组故障预测方法 | 第100-109页 |
| 5.5 应用验证 | 第109-112页 |
| 5.6 本章小结 | 第112-114页 |
| 6、面向服务的水轮发电机组故障诊断及状态评估系统设计 | 第114-128页 |
| 6.1 引言 | 第114-115页 |
| 6.2 面向服务的水轮发电机组故障诊断及状态评估系统设计 | 第115-117页 |
| 6.3 水轮发电机组故障诊断及状态评估系统在东风水电站的应用 | 第117-127页 |
| 6.4 本章小结 | 第127-128页 |
| 7、本文总结与展望 | 第128-131页 |
| 7.1 全文工作总结 | 第128-129页 |
| 7.2 进一步研究展望 | 第129-131页 |
| 致谢 | 第131-132页 |
| 参考文献 | 第132-148页 |
| 附录1：攻读博士期间发表的论文 | 第148-150页 |
| 附录2：攻读博士期间完成和参与的科研项目 | 第150页 |
