神经网络专家系统在凝汽器故障诊断中的应用研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 绪论 | 第6-11页 |
| ·本课题研究的背景及意义 | 第6-7页 |
| ·国内外研究动态 | 第7-8页 |
| ·故障诊断技术概述 | 第8-9页 |
| ·故障诊断技术的发展历史 | 第8页 |
| ·故障诊断技术的研究现状 | 第8-9页 |
| ·现有智能化故障诊断系统存在的问题 | 第9页 |
| ·本论文的主要工作 | 第9-11页 |
| ·某电厂#1机组简介 | 第10页 |
| ·本文的主要内容 | 第10-11页 |
| 第二章 凝汽系统常见故障及其原因分析 | 第11-23页 |
| ·凝汽器简介 | 第11-12页 |
| ·凝汽器低真空对机组性能的影响 | 第12页 |
| ·凝汽器真空值的确定 | 第12-14页 |
| ·凝汽器真空下降原因的综合分析 | 第14-20页 |
| ·凝汽器真空急剧下降原因分析 | 第14-15页 |
| ·凝汽器真空缓慢下降原因分析 | 第15-20页 |
| ·凝结水的过冷度和含氧量 | 第20-21页 |
| ·凝汽系统的常见故障 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 人工神经网络和专家系统理论基础 | 第23-38页 |
| ·人工神经网络的基本原理 | 第23-32页 |
| ·人工神经网络概念 | 第23页 |
| ·人工神经网络应用 | 第23-24页 |
| ·人工神经元模型 | 第24-25页 |
| ·人工神经网络的结构 | 第25-26页 |
| ·神经网络的学习方式 | 第26-27页 |
| ·BP神经元及BP网络模型 | 第27-28页 |
| ·BP网络的学习 | 第28-31页 |
| ·神经网络的局限性 | 第31-32页 |
| ·专家系统理论基础 | 第32-35页 |
| ·专家系统的基本结构 | 第32-33页 |
| ·专家系统的开发步骤 | 第33-34页 |
| ·专家系统的知识表示 | 第34页 |
| ·专家系统的知识获取 | 第34-35页 |
| ·神经网络和专家系统的融合 | 第35-37页 |
| ·神经网络与专家系统的差异 | 第35-36页 |
| ·专家系统与神经网络的互补 | 第36页 |
| ·专家系统和神经网络的融合方式 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 凝汽器故障诊断软件系统的实现 | 第38-56页 |
| ·BP神经网络学习算法的选定 | 第38-40页 |
| ·BP神经网络构造 | 第40-41页 |
| ·凝汽器故障特征信号的选取 | 第41-44页 |
| ·Matlab神经网络工具箱 | 第44页 |
| ·BP神经网络的训练 | 第44-49页 |
| ·故障诊断步骤 | 第49页 |
| ·诊断实例 | 第49-50页 |
| ·凝汽系统运行工况监视及故障诊断系统 | 第50-55页 |
| ·系统的物理结构 | 第50页 |
| ·机组运行工况监视系统界面 | 第50-53页 |
| ·凝汽系统故障诊断系统界面 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 结论与展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 在学习期间发表的学术论文和参加科研情况 | 第60页 |
