| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 汽轮机通流部分故障诊断技术的国内外研究现状 | 第10-11页 |
| 1.3 经验模态分解国内外研究现状 | 第11-13页 |
| 1.4 论文主要研究内容 | 第13-15页 |
| 2 热力参数信号分析新方法——经验模态分解(EMD) | 第15-22页 |
| 2.1 引言 | 第15页 |
| 2.2 EMD算法介绍 | 第15-18页 |
| 2.2.1 EMD算法的分解信号过程 | 第16-17页 |
| 2.2.2 EMD的端点效应问题 | 第17-18页 |
| 2.3 改进的EMD方法 | 第18-19页 |
| 2.4 实例分析 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 基于改进EMD方法的传感器故障诊断 | 第22-35页 |
| 3.1 引言 | 第22页 |
| 3.2 RBF神经网络 | 第22-24页 |
| 3.3 传感器故障的数学模型 | 第24-26页 |
| 3.4 基于改进EMD与RBF神经网络的传感器故障诊断方法 | 第26-27页 |
| 3.4.1 传感器故障特征提取 | 第26-27页 |
| 3.4.2 传感器故障诊断与判别 | 第27页 |
| 3.5 传感器故障诊断实例 | 第27-33页 |
| 3.6 本章小结 | 第33-35页 |
| 4 汽轮机通流部分故障机理与征兆 | 第35-41页 |
| 4.1 引言 | 第35页 |
| 4.2 汽轮机通流部分故障类别 | 第35-36页 |
| 4.3 汽轮机通流部分典型故障集及征兆集 | 第36-39页 |
| 4.4 本章小结 | 第39-41页 |
| 5 基于改进EMD方法的汽轮机通流部分故障诊断 | 第41-58页 |
| 5.1 引言 | 第41页 |
| 5.2 概率神经网络 | 第41-42页 |
| 5.3 汽轮机通流部分故障诊断模型 | 第42-44页 |
| 5.3.1 故障特征提取 | 第42-43页 |
| 5.3.2 故障检测与判别 | 第43-44页 |
| 5.4 故障诊断案例 | 第44-55页 |
| 5.5 结果分析 | 第55-57页 |
| 5.6 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-61页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 作者简历 | 第68页 |
