电站辅机异常状态识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 设备状态评估研究现状 | 第11-13页 |
| 1.2.2 故障预警研究现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-16页 |
| 1.3.1 论文主要内容 | 第14-15页 |
| 1.3.2 论文结构框架 | 第15-16页 |
| 第二章 辅机设备建模与仿真 | 第16-35页 |
| 2.1 设备介绍 | 第16-17页 |
| 2.1.1 加热器的简介 | 第16页 |
| 2.1.2 凝汽器的简介 | 第16-17页 |
| 2.2 设备建模与仿真 | 第17-24页 |
| 2.2.1 高压加热器动态数学模型 | 第17-19页 |
| 2.2.2 凝汽器动态数学模型 | 第19-24页 |
| 2.3 Simulink仿真模型 | 第24-27页 |
| 2.3.1 加热器仿真模型 | 第24-25页 |
| 2.3.2 凝汽器仿真模型 | 第25-27页 |
| 2.4 仿真结果分析 | 第27-34页 |
| 2.4.1 高压加热器仿真结果 | 第27-31页 |
| 2.4.2 凝汽器仿真结果 | 第31-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 异常状态识别系统的预测模型建立 | 第35-54页 |
| 3.1 K-means聚类 | 第35-37页 |
| 3.1.1 K-means聚类原理 | 第35-36页 |
| 3.1.2 K-means算法流程 | 第36页 |
| 3.1.3 K-means聚类效果评价指标 | 第36-37页 |
| 3.2 线性回归预测 | 第37-40页 |
| 3.2.1 一元线性回归预测 | 第38页 |
| 3.2.2 多元线性回归预测 | 第38-40页 |
| 3.3 基于聚类的多元回归预测模型 | 第40-45页 |
| 3.3.1 数据特征与预处理 | 第40-42页 |
| 3.3.2 预测模型输入选择 | 第42-44页 |
| 3.3.3 聚类回归算法流程 | 第44-45页 |
| 3.4 案例分析 | 第45-53页 |
| 3.4.1 轮廓系数分析 | 第45-46页 |
| 3.4.2 高压加热器预测模型分析 | 第46-50页 |
| 3.4.3 凝汽器预测模型分析 | 第50-52页 |
| 3.4.4 预测模型误差分析 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 常状态识别系统的预警方法研究 | 第54-65页 |
| 4.1 异常状态预警方法 | 第54-56页 |
| 4.1.1 状态识别方法概述 | 第54-55页 |
| 4.1.2 异常状态预警流程 | 第55-56页 |
| 4.2 分类器设计 | 第56-58页 |
| 4.2.1 分类介绍 | 第56-57页 |
| 4.2.2 基于K-means聚类的分类器设计 | 第57-58页 |
| 4.3 滑动窗口预警算法 | 第58-59页 |
| 4.4 预警结果分析 | 第59-64页 |
| 4.4.1 高压加热器预警分析 | 第60-62页 |
| 4.4.2 凝汽器预警分析 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 论文的主要工作 | 第65页 |
| 5.2 进一步研究方向 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 作者在攻读硕士期间的研究成果 | 第70-71页 |
| 致谢 | 第71页 |
