基于神经网络的凝汽器故障诊断系统
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外与课题相关研究领域的研究进展及成果 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 国内外文献综述分析 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 第2章 凝汽设备系统常见故障及原因分析 | 第16-32页 |
| 2.1 凝汽设备的组成及任务 | 第16页 |
| 2.2 凝汽器内压力的确定 | 第16-22页 |
| 2.2.1 实际情况下凝汽器内压力的确定 | 第16-17页 |
| 2.2.2 理论情况下凝汽器内压力的确定 | 第17-18页 |
| 2.2.3 凝汽器运行中的真空主要影响因素分析 | 第18-21页 |
| 2.2.4 凝汽器运行时一些主要问题 | 第21-22页 |
| 2.3 凝汽系统中常见故障及故障征兆的建立 | 第22-31页 |
| 2.3.1 凝汽系统常见故障及故障征兆 | 第23-27页 |
| 2.3.2 凝汽器系统故障集及故障征兆集的建立 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 凝汽器故障诊断方法中神经网络的选用 | 第32-42页 |
| 3.1 BP神经网络 | 第32-34页 |
| 3.1.1 BP神经网络的结构 | 第32页 |
| 3.1.2 BP神经网络的算法 | 第32-34页 |
| 3.1.3 改进的BP神经网络 | 第34页 |
| 3.2 RBF神经网络 | 第34-37页 |
| 3.2.1 径向基函数 | 第35页 |
| 3.2.2 RBF神经网络的结构 | 第35-36页 |
| 3.2.3 RBF神经网络的算法 | 第36-37页 |
| 3.3 ELMAN神经网络 | 第37-38页 |
| 3.4 神经网络的优缺点 | 第38页 |
| 3.4.1 BP和RBF神经网络的优缺点 | 第38页 |
| 3.4.2 Elman神经网络的优缺点 | 第38页 |
| 3.5 凝汽器故障诊断方法的确定 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 D-S证据理论在凝汽器故障诊断中的应用 | 第42-50页 |
| 4.1 证据理论的基本理论 | 第42-43页 |
| 4.1.1 基本概率分配 | 第42页 |
| 4.1.2 信任函数 | 第42页 |
| 4.1.3 似然函数 | 第42-43页 |
| 4.2 融合规则 | 第43-48页 |
| 4.2.1 D-S组合规则 | 第44页 |
| 4.2.2 Yager组合规则 | 第44-45页 |
| 4.2.3 Inagaki组合规则 | 第45页 |
| 4.2.4 Dubois-Prade组合规则 | 第45页 |
| 4.2.5 平均分配规则 | 第45-46页 |
| 4.2.6 几种组合规则的计算 | 第46-48页 |
| 4.3 故障诊断实例 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 凝汽器故障诊断系统的开发 | 第50-56页 |
| 5.1 凝汽器故障诊断系统的简述 | 第50-53页 |
| 5.1.1 开发环境的介绍 | 第50页 |
| 5.1.2 系统界面 | 第50-53页 |
| 5.2 诊断实例 | 第53-55页 |
| 5.3 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62页 |
