| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-18页 |
| 1.1 选题的背景及意义 | 第10-11页 |
| 1.2 故障诊断技术的发展及现状 | 第11-13页 |
| 1.3 国内外凝汽器故障诊断技术的发展和现状 | 第13-15页 |
| 1.4 凝汽器故障诊断中仍然存在的问题 | 第15-16页 |
| 1.5 论文的研究内容 | 第16-18页 |
| 2 凝汽器系统常见故障分析 | 第18-24页 |
| 2.1 概述 | 第18页 |
| 2.2 凝汽器简介 | 第18-19页 |
| 2.3 凝汽器主要性能指标的变化对机组性能的影响分析 | 第19-22页 |
| 2.4 凝汽器的常见故障 | 第22页 |
| 2.5 总结 | 第22-24页 |
| 3 基于主元分析与 RBF 神经网络的模型研究 | 第24-41页 |
| 3.1 概述 | 第24页 |
| 3.2 主元分析理论基础 | 第24-29页 |
| 3.2.1 主元分析理论的发展 | 第24-26页 |
| 3.2.2 主元分析的原理 | 第26页 |
| 3.2.3 主元分析的算法 | 第26-29页 |
| 3.3 RBF 神经网络理论基础 | 第29-36页 |
| 3.3.1 RBF 神经网络的发展 | 第29-31页 |
| 3.3.2 RBF 神经网络的结构 | 第31-32页 |
| 3.3.3 径向基函数 | 第32-33页 |
| 3.3.4 RBF 神经网络的算法 | 第33-36页 |
| 3.4 主元分析方法和 RBF 神经网络融合 | 第36-39页 |
| 3.4.1 噪声对主元分析方法的影响 | 第37-39页 |
| 3.4.2 主元分析方法对 RBF 神经网络的优化 | 第39页 |
| 3.5 总结 | 第39-41页 |
| 4 凝汽器故障诊断实例 | 第41-52页 |
| 4.1 概述 | 第41页 |
| 4.2 沙角 C 电厂 | 第41页 |
| 4.3 基于主元分析-RBF 神经网络的凝汽器故障诊断 | 第41-51页 |
| 4.3.1 凝汽器征兆参数的相关性分析 | 第41-44页 |
| 4.3.2 主元分析 | 第44-46页 |
| 4.3.3 Matlab 神经网络工具箱 | 第46-47页 |
| 4.3.4 RBF 神经网络训练 | 第47页 |
| 4.3.5 性能比较 | 第47-51页 |
| 4.4 总结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录1 作者在攻读硕士学位期间参与的项目 | 第60-61页 |
| 附录2 凝汽器部分故障训练数据与验证数据 | 第61-63页 |
