| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景及其意义 | 第10页 |
| 1.2 国内外故障诊断技术的研究现状 | 第10-11页 |
| 1.2.1 设备状态监测方面 | 第10-11页 |
| 1.2.2 故障机理研究方面 | 第11页 |
| 1.2.3 故障信号提取方面 | 第11页 |
| 1.2.4 故障诊断识别技术方面 | 第11页 |
| 1.3 故障诊断技术存在的不足和发展趋势 | 第11-13页 |
| 1.3.1 故障诊断技术存在的问题 | 第11-12页 |
| 1.3.2 故障诊断技术的发展趋势 | 第12-13页 |
| 1.4 论文工作的研究内容 | 第13-14页 |
| 第2章 汽轮机组转子热弯曲故障-参数知识库的建立 | 第14-27页 |
| 2.1 汽轮机组特征参数 | 第14-15页 |
| 2.2 汽轮机组转子热弯曲故障模式分析 | 第15-25页 |
| 2.2.1 汽轮机组常见故障模式分类 | 第15-16页 |
| 2.2.2 汽轮机组转子热弯曲故障模式分析 | 第16-25页 |
| 2.3 汽轮机组转子热弯曲故障与可监测参数关联性分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 汽轮机组转子热弯曲故障诊断信息知识表示 | 第27-36页 |
| 3.1 知识表示方法 | 第27-29页 |
| 3.2 汽轮机组诊断专家系统知识表示 | 第29-35页 |
| 3.2.1 汽轮机组专家系统知识库构成 | 第29页 |
| 3.2.2 故障知识库中知识的获取 | 第29-30页 |
| 3.2.3 故障诊断知识的量化 | 第30-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 汽轮机组转子热弯曲故障智能诊断方法 | 第36-52页 |
| 4.1 汽轮机组故障智能诊断思路 | 第36-37页 |
| 4.2 汽轮机组故障预警 | 第37-46页 |
| 4.2.1 常见故障预测方法 | 第38页 |
| 4.2.2 基于时间序列分析的故障预警模型 | 第38-42页 |
| 4.2.3 故障预警模型仿真结果 | 第42-46页 |
| 4.3 汽轮机组故障诊断 | 第46-51页 |
| 4.3.1 超球体多类支持向量机(HSMC-SVM)工作原理 | 第46-47页 |
| 4.3.2 超球体多类支持向量机(HSMC-SVM)的快速训练算法 | 第47-49页 |
| 4.3.3 HSMC-SVM算法仿真实验 | 第49-50页 |
| 4.3.4 故障原因查找 | 第50页 |
| 4.3.5 故障位置查找 | 第50页 |
| 4.3.6 故障影响查找 | 第50-51页 |
| 4.3.7 故障诊断报告 | 第51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 诊断方法的应用及智能诊断系统设计 | 第52-63页 |
| 5.1 智能故障诊断方法的应用 | 第52-56页 |
| 5.2 汽轮机组智能诊断系统平台开发 | 第56-62页 |
| 5.2.1 系统开发环境 | 第56页 |
| 5.2.2 系统开发路线 | 第56-58页 |
| 5.2.3 系统功能 | 第58-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-65页 |
| 6.1 主要研究成果与创新点 | 第63页 |
| 6.2 未来工作展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第68-69页 |
| 致谢 | 第69页 |
