基于神经网络的凝汽器系统故障诊断研究

中文摘要	第1页
英文摘要	第4-7页
第一章 引言	第7-16页
·故障诊断的研究背景和意义	第7页
·故障诊断技术的发展与现状	第7-9页
·故障诊断过程	第9-11页
·故障诊断方法研究现状	第11-14页
·神经网络技术的应用	第11-12页
·模糊诊断方法的应用	第12-13页
·专家系统诊断方法的应用	第13页
·遗传算法的应用	第13-14页
·本论文的主要工作	第14-16页
第二章 凝汽器故障分析	第16-37页
·凝汽器系统	第16-19页
·凝汽器系统的工作特性	第17-18页
·凝汽器系统运行监测及故障诊断的特点	第18-19页
·凝汽器故障	第19-36页
·凝汽器真空恶化的故障原因	第19-26页
·凝汽器真空恶化的故障征兆	第26-36页
·本章小结	第36-37页
第三章 基于自组织特征映射神经网络的故障诊断	第37-55页
·自组织特征映射神经网络	第37-47页
·自组织特征映射神经网络模型	第37-44页
·自组织特征映射神经网络学习算法	第44-47页
·凝汽器系统的故障诊断	第47-55页
·征兆参数的模糊处理及其隶属度函数	第47-50页
·凝汽器系统典型故障特征矢量的确立	第50-51页
·神经网络的学习及诊断过程	第51-53页
·故障诊断实例	第53-55页
第四章 基于概率神经网络的故障诊断	第55-66页
·PNN 模型理论及方法	第55-61页
·Bayes 分类规则	第55-56页
·Parzen 窗方法	第56-59页
·PNN 模型	第59-60页
·基于PNN 的故障诊断过程	第60-61页
·PNN 的优越性	第61-62页
·基于PNN 的凝汽器系统故障诊断	第62-66页
·凝汽器故障特征数据	第62-64页
·故障诊断实例	第64-65页
·小结	第65-66页
第五章 结论与展望	第66-68页
·全文总结	第66页
·研究展望	第66-68页
参考文献	第68-70页
致谢	第70-71页
在读期间发表的学术论文和科研学术情况	第71-72页
详细摘要	第72-80页