| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.3 火焰检测目前存在的问题 | 第13页 |
| 1.4 课题的研究内容 | 第13-15页 |
| 第2章 反映燃烧稳定性的因素分析 | 第15-31页 |
| 2.1 燃烧室压力波动 | 第15-21页 |
| 2.1.1 压力波动产生机理 | 第15-16页 |
| 2.1.2 燃烧室压力波动时域定性分析 | 第16-21页 |
| 2.1.3 燃烧室压力波动频域分析 | 第21页 |
| 2.2 燃烧室加速度 | 第21-27页 |
| 2.2.1 加速度检测原理 | 第22页 |
| 2.2.2 燃烧室加速度时域分析 | 第22-27页 |
| 2.2.3 燃烧室加速度频域分析 | 第27页 |
| 2.3 燃气轮机排气温度 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 BP神经网络与特征向量的提取 | 第31-45页 |
| 3.1 人工神经网络概述 | 第31-32页 |
| 3.1.1 人工神经元模式 | 第31页 |
| 3.1.2 神经网络的特点 | 第31-32页 |
| 3.2 BP神经网络模型简介 | 第32-37页 |
| 3.3 信号特征向量的提取 | 第37-39页 |
| 3.4 神经网络隐层节点个数的确定 | 第39-42页 |
| 3.5 建模仿真及分析 | 第42-44页 |
| 3.5.1 样本数据获取 | 第42页 |
| 3.5.2 建立诊断网络不同结构模型 | 第42-43页 |
| 3.5.3 仿真结果分析 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 改进粒子群算法与BP神经网络的结合 | 第45-56页 |
| 4.1 粒子群优化算法 | 第45-51页 |
| 4.1.1 粒子群算法基本原理 | 第45-46页 |
| 4.1.2 粒子群优化算法流程 | 第46-49页 |
| 4.1.3 粒子群优化算法参数设置与分析 | 第49-51页 |
| 4.2 粒子群算法的改进 | 第51-52页 |
| 4.2.1 极值扰动 | 第51页 |
| 4.2.2 自适应变异概率 | 第51-52页 |
| 4.3 改进PSO-BP混合算法 | 第52-54页 |
| 4.4 改进PSO算法与经典PSO算法的比较 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 数据仿真与分析 | 第56-61页 |
| 5.1 数据来源 | 第56页 |
| 5.2 BP网络参数设置 | 第56-57页 |
| 5.3 改进粒子群算法参数设置 | 第57页 |
| 5.4 神经网络的训练与测试 | 第57-60页 |
| 5.4.1 改进PSO-BP算法与经典BP算法的比较 | 第57-59页 |
| 5.4.2 选取燃烧室压力波动信号、燃烧室加速度信号同时作为训练输入数据 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |