基于人工神经网络的汽轮机安全性分析
| 1 引言 | 第1-23页 |
| ·应用背景分析 | 第16-17页 |
| ·研究相关课题研究现状 | 第17-19页 |
| ·系统介绍 | 第19-23页 |
| 2 相关工作 | 第23-32页 |
| ·汽轮发电机组的实时监测(汽机部分)系统 | 第23-27页 |
| ·神经网络在汽轮机故障诊断中的应用 | 第27-30页 |
| ·本论文的主要研究内容 | 第30-32页 |
| 3 神经网络的应用 | 第32-38页 |
| ·神经网络的特性和学习算法 | 第32-36页 |
| ·人工神经网络的基本特性 | 第32页 |
| ·神经网络的学习方式 | 第32-34页 |
| ·学习算法 | 第34-35页 |
| ·学习与自适应 | 第35-36页 |
| ·两种神经网络模型 | 第36-38页 |
| ·BP神经网络 | 第36-37页 |
| ·竞争学习网络 | 第37-38页 |
| 4 基于人工智能的汽轮机安全性分析 | 第38-55页 |
| ·用BP神经网络来实现故障诊断 | 第38-41页 |
| ·汽轮机诊断特征的分类和故障特征的提取 | 第41-47页 |
| ·诊断参数的分类 | 第41-42页 |
| ·故障特征的提取 | 第42-44页 |
| ·故障标准模式类的中心分布 | 第44-47页 |
| ·网络结构及参数的选取 | 第47-50页 |
| ·网络输入元的选取 | 第47页 |
| ·网络隐含层个数的选取 | 第47页 |
| ·网络输出元的选取 | 第47-48页 |
| ·网络训练样本的提取 | 第48页 |
| ·学习速率 | 第48页 |
| ·期望误差的选取 | 第48页 |
| ·网络训练框图 | 第48-49页 |
| ·人工神经网络的实际输出 | 第49-50页 |
| ·对汽轮机故障的分析和预防建议措施 | 第50-55页 |
| ·预防转子径向磨碰 | 第51页 |
| ·预防推力轴承损坏 | 第51-52页 |
| ·转子不平衡 | 第52-53页 |
| ·预防油膜振荡 | 第53页 |
| ·不对中 | 第53-55页 |
| 5 结论和未来工作的探索 | 第55-57页 |
| ·结论 | 第55页 |
| ·未来工作的探索 | 第55-57页 |
| 6 参考文献 | 第57-59页 |
| 7 发表论文 | 第59-60页 |
| 8 致谢 | 第60页 |
