| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究目的及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 基于图论的诊断方法 | 第13-15页 |
| 1.2.2 基于人工智能的诊断方法 | 第15-17页 |
| 1.3 研究目标 | 第17页 |
| 1.4 本文研究内容与结构 | 第17-19页 |
| 第2章 基于PCA-SDG的故障诊断 | 第19-47页 |
| 2.1 基于PCA模型的故障检测 | 第19-23页 |
| 2.1.1 PCA模型概述 | 第19-20页 |
| 2.1.2 PCA建模计算 | 第20-21页 |
| 2.1.3 PCA故障检测方法 | 第21-23页 |
| 2.2 基于SDG的故障类型识别 | 第23-28页 |
| 2.2.1 SDG模型 | 第23-24页 |
| 2.2.2 SDG的建模 | 第24-26页 |
| 2.2.3 有向图的搜索策略 | 第26-27页 |
| 2.2.4 基于SDG的故障诊断 | 第27-28页 |
| 2.3 基于PCA-SDG的核动力装置故障诊断 | 第28-46页 |
| 2.3.1 总体设计 | 第28-29页 |
| 2.3.2 SDG模型的建立 | 第29-41页 |
| 2.3.3 主元模型的建立 | 第41-43页 |
| 2.3.4 实例分析 | 第43-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第3章 基于Elman神经网络的故障程度评估 | 第47-63页 |
| 3.1 人工神经网络的基本概念 | 第47-51页 |
| 3.1.1 神经元模型 | 第47-49页 |
| 3.1.2 网络结构 | 第49-51页 |
| 3.1.3 学习算法 | 第51页 |
| 3.2 Elman神经网络 | 第51-57页 |
| 3.2.1 Elman网络的计算模型 | 第52页 |
| 3.2.2 Elman网络的学习算法分析 | 第52-57页 |
| 3.3 基于Elman神经网络的核动力装置故障程度评估 | 第57-62页 |
| 3.3.1 基本原理 | 第57-58页 |
| 3.3.2 实例分析 | 第58-62页 |
| 3.4 本章小结 | 第62-63页 |
| 第4章 混合智能故障诊断系统的设计与开发 | 第63-81页 |
| 4.1 总体设计 | 第63-65页 |
| 4.1.1 系统目标 | 第63页 |
| 4.1.2 系统功能结构 | 第63-65页 |
| 4.1.3 业务流程 | 第65页 |
| 4.1.4 系统运行环境 | 第65页 |
| 4.2 数据库的设计 | 第65-67页 |
| 4.3 监测模块的设计 | 第67-72页 |
| 4.3.1 故障检测的建模设计 | 第67-70页 |
| 4.3.2 异常监测模块设计 | 第70-72页 |
| 4.4 诊断评估模块的设计 | 第72-76页 |
| 4.4.1 诊断模型的设计 | 第72-73页 |
| 4.4.2 程度评估的建模设计 | 第73-76页 |
| 4.4.3 诊断评估界面的设计 | 第76页 |
| 4.5 软件管理的设计 | 第76-79页 |
| 4.5.1 用户管理模块设计 | 第77-78页 |
| 4.5.2 数据库管理模块 | 第78-79页 |
| 4.6 本章小结 | 第79-81页 |
| 第5章 混合智能故障诊断系统的测试与验证 | 第81-91页 |
| 5.1 概述 | 第81页 |
| 5.2 核动力装置仿真软件PCTRAN | 第81-82页 |
| 5.3 系统功能测试 | 第82-89页 |
| 5.3.1 冷却剂丧失事故 | 第82-84页 |
| 5.3.2 蒸汽发生器传热管破口 | 第84-86页 |
| 5.3.3 主蒸汽管道破口 | 第86-89页 |
| 5.3.4 测试结果分析 | 第89页 |
| 5.4 本章小结 | 第89-91页 |
| 结论 | 第91-93页 |
| 参考文献 | 第93-99页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第99-101页 |
| 致谢 | 第101页 |