首页--工业技术论文--原子能技术论文--各种核反应堆、核电厂论文--核反应堆:按用途分论文--动力堆论文

船用核动力装置数据融合的故障诊断方法研究

第1章 绪论第1-21页
 1.1 本文研究工作的目的及意义第9-10页
 1.2 设备故障诊断技术的研究概况第10-11页
  1.2.1 国内外故障诊断技术的研究概况第10-11页
  1.2.2 故障诊断方法的研究概况第11页
 1.3 数据融合技术概述第11-18页
  1.3.1 数据融合技术的发展历史与现状第11-12页
  1.3.2 数据融合技术在故障诊断中的应用第12-13页
  1.3.3 数据融合技术的基本知识第13-18页
 1.4 本文的主要工作第18-21页
第2章 融合诊断系统及其结构模型第21-33页
 2.1 融合诊断系统第21-23页
  2.1.1 融合诊断系统的提出及定义第21页
  2.1.2 融合诊断系统的模型第21-23页
 2.2 数据融合的级别第23-24页
  2.2.1 数据级融合第23页
  2.2.2 特征级融合第23-24页
  2.2.3 决策级融合第24页
 2.3 故障诊断中应用的数据融合方法第24-32页
  2.3.1 基于统计的融合诊断方法第25-28页
  2.3.2 基于认识模型的融合诊断方法第28-29页
  2.3.3 基于参数估计的融合诊断方法第29页
  2.3.4 基于滤波技术的融合诊断方法第29-30页
  2.3.5 基于人工智能的融合诊断方法第30-32页
  2.3.6 基于模糊逻辑的融合诊断方法第32页
 2.4 本章小结第32-33页
第3章 证据理论第33-47页
 3.1 不确定推理概述第33-35页
  3.1.1 不确定推理的定义第33页
  3.1.2 故障诊断中不确定性的产生第33-34页
  3.1.3 不确定推理的方法第34页
  3.1.4 不确定推理中的基本问题第34-35页
 3.2 D-S证据理论第35-38页
  3.2.1 D-S证据理论的基本概念第35-36页
  3.2.2 证据理论的一些基本定义第36-38页
 3.3 D-S证据理论的基本性质及证明第38-41页
 3.4 D-S证据理论的合成规则第41-42页
 3.5 基于证据理论的决策第42-44页
  3.5.1 D-S证据理论融合决策的基本过程第42-43页
  3.5.2 D-S证据理论的决策方法第43-44页
 3.6 基于D-S证据理论的故障诊断模型及步骤第44-46页
  3.6.1 故障诊断模型第44页
  3.6.2 诊断的基本步骤第44-46页
 3.7 D-S证据理论的优缺点第46页
 3.8 本章小结第46-47页
第4章 神经网络与证据理论相结合的融合诊断方法第47-62页
 4.1 神经网络技术第47页
 4.2 BP神经网络模型及算法第47-49页
 4.3 神经网络与D-S证据理论相结合的融合诊断方法第49-50页
 4.4 诊断实例研究第50-61页
  4.4.1 诊断对象第50-51页
  4.4.2 信号采集系统第51-52页
  4.4.3 主要故障及现象第52页
  4.4.4 程序设计第52-57页
  4.4.5 诊断结果分析第57-61页
 4.5 本章小结第61-62页
第5章 船用核动力装置的故障诊断研究第62-79页
 5.1 主要故障及故障现象第62-66页
  5.1.1 蒸汽发生器U形管破裂第62-65页
  5.1.2 主蒸汽管道破裂第65-66页
 5.2 特征提取及网络结构第66-68页
 5.3 样本的学习训练及融合结果第68-69页
 5.4 诊断实例分析第69-78页
  5.4.1 诊断系统结构第69-71页
  5.4.2 1#蒸发器U形管破裂事故的诊断第71-74页
  5.4.3 2#蒸发器U形管破裂事故的诊断第74-75页
  5.4.4 主蒸汽管道破裂事故的诊断第75-76页
  5.4.5 波动管破裂事故的诊断第76-78页
 5.5 本章小结第78-79页
结论第79-80页
参考文献第80-84页
攻读硕士学位期间发表的论文和取得的科研成果第84-85页

论文共85页,点击 下载论文
上一篇:我国上市公司股权结构与治理结构研究
下一篇:关于我国保险业客户忠诚度的研究