| 1 前言 | 第1-19页 |
| 1．1 选题意义 | 第8-9页 |
| 1．2 国内外相关技术发展现状及发展趋势 | 第9-15页 |
| 1．2．1 国内外相关技术研究现状 | 第9-12页 |
| 1．2．2 国内外相关技术发展趋势 | 第12-15页 |
| 1．3 应用前景 | 第15-18页 |
| 1．3．1 国内外市场调查 | 第15-17页 |
| 1．3．2 应用前景分析 | 第17-18页 |
| 1．4 本文主要研究内容 | 第18-19页 |
| 2 水轮发电机组振动理论及振动故障特征 | 第19-29页 |
| 2．1 水轮发电机组振动理论 | 第19-21页 |
| 2．2 水轮发电机组振源 | 第21-23页 |
| 2．3 水轮发电机组振动故障特征 | 第23-29页 |
| 3 神经网络故障诊断专家系统的研究 | 第29-56页 |
| 3．1 智能故障诊断的神经网络理论概述 | 第29-30页 |
| 3．2 建立故障诊断专家系统的目的和任务 | 第30-31页 |
| 3．3 神经网络和专家系统的结合 | 第31-34页 |
| 3．3．1 结合的可能性 | 第31-32页 |
| 3．3．2 专家系统和神经网络的结合途径 | 第32-34页 |
| 3．4 系统的总体结构 | 第34页 |
| 3．5 神经网络故障诊断专家知识库的建立 | 第34-54页 |
| 3．5．1 神经网络学习样本的收集和整理 | 第35-39页 |
| 3．5．2 神经网络的原理、结构与标准学习算法 | 第39-45页 |
| 3．5．3 BP神经网络改进学习算法 | 第45页 |
| 3．5．4 神经网络的分块技术 | 第45-48页 |
| 3．5．5 神经网络知识表示方法 | 第48-53页 |
| 3．5．6 基于神经网络的并行推理 | 第53-54页 |
| 3．6 故障诊断专家系统对结果的解释 | 第54-56页 |
| 4 神经网络故障诊断专家系统的实现 | 第56-64页 |
| 4．1 系统的硬件实现 | 第56-59页 |
| 4．2 系统的软件实现 | 第59-64页 |
| 4．2．1 系统分析方法 | 第59-61页 |
| 4．2．2 水轮发电机组的故障诊断系统的分析 | 第61-62页 |
| 4．2．3 系统软件配置 | 第62-64页 |
| 5 试验研究 | 第64-73页 |
| 5．1 盐锅峡电厂概况 | 第64页 |
| 5．2 试验目的 | 第64页 |
| 5．3 5号机主要技术参数 | 第64-65页 |
| 5．4 试验方法和试验标准 | 第65-66页 |
| 5．5 测点布置及传感器的安装 | 第66页 |
| 5．5．1 测点布置 | 第66页 |
| 5．5．2 传感器的安装 | 第66页 |
| 5．6 试验项目 | 第66-67页 |
| 5．7 测试数据和结果分析 | 第67-72页 |
| 5．8 结论和建议 | 第72-73页 |
| 6 结论及后续的研究工作 | 第73-75页 |
| 6．1 结论 | 第73页 |
| 6．2 后续的研究工作 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-85页 |
| 附录1 盐电5号机组变转速工况下各测点数据分析曲线 | 第85-91页 |
| 附录2 盐电5号机组变励磁工况下各测点数据分析曲线 | 第91-97页 |
| 附录3 盐电5号机组变负荷工况下各测点数据分析曲线 | 第97-103页 |
| 附录4 攻读硕士期间的实践活动与论文撰写 | 第103页 |
