基于人工智能的水电机组振动趋势预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 前言 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 机组状态趋势预测技术现状 | 第8-12页 |
| 1.3 本文主要工作及结构安排 | 第12-14页 |
| 2 水电机组振动特点及原因 | 第14-19页 |
| 2.1 设备发展特性 | 第14-15页 |
| 2.2 水电机组的振动特点 | 第15页 |
| 2.3 水电机组的振动原因 | 第15-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 预测基础分析 | 第19-23页 |
| 3.1 相空间重构 | 第19-20页 |
| 3.2 数据预处理 | 第20-21页 |
| 3.3 误差评价函数 | 第21-22页 |
| 3.4 本章小结 | 第22-23页 |
| 4 基于神经网络的状态趋势预测 | 第23-38页 |
| 4.1 概述 | 第23页 |
| 4.2 BP神经网络的结构及特点 | 第23-29页 |
| 4.3 BP网络的设计方法 | 第29-31页 |
| 4.4 神经网络预测模型设计及应用 | 第31-37页 |
| 4.5 本章小结 | 第37-38页 |
| 5 基于支持向量机的状态趋势预测 | 第38-53页 |
| 5.1 概述 | 第38页 |
| 5.2 支持向量机的原理及优点 | 第38-39页 |
| 5.3 支持向量回归机 | 第39-43页 |
| 5.4 核函数及其参数性能 | 第43-46页 |
| 5.5 SVR预测模型的设计及应用 | 第46-52页 |
| 5.6 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
