首页--工业技术论文--电工技术论文--发电、发电厂论文--发电厂论文--核电厂(核电站)论文

基于GrC-SDG的核电厂故障诊断研究

摘要第5-6页
abstract第6-7页
第1章 绪论第11-19页
    1.1 研究背景及意义第11页
    1.2 国内外研究现状第11-16页
        1.2.1 SDG故障诊断方法第12-14页
        1.2.2 粒计算理论第14页
        1.2.3 深度神经网络第14-16页
    1.3 研究目标及主要内容第16-17页
        1.3.1 研究目标第16页
        1.3.2 主要内容第16-17页
    1.4 结构安排第17-19页
第2章 SDG故障诊断方法第19-35页
    2.1 SDG模型介绍第19-23页
        2.1.1 基本概念第19-20页
        2.1.2 建模方法第20-22页
        2.1.3 模型简化第22-23页
        2.1.4 推理机制第23页
    2.2 基本SDG故障诊断方法第23-25页
        2.2.1 基本原理第23-24页
        2.2.2 传统SDG故障诊断方法第24页
        2.2.3 基于双向推理的SDG故障诊断第24-25页
    2.3 基于诊断规则的SDG故障诊断方法第25-26页
    2.4 核电厂系统的SDG故障诊断第26-33页
        2.4.1 核电厂系统简介第26-27页
        2.4.2 构建核电厂SDG模型第27-31页
        2.4.3 模型正确性验证第31-33页
    2.5 本章小结第33-35页
第3章 基于GrC-SDG的故障诊断方法第35-52页
    3.1 粒计算简介第35-37页
        3.1.1 基本要素第35-36页
        3.1.2 基本问题第36页
        3.1.3 主要模型第36-37页
    3.2 基于粗糙集模型的粒计算基本概念第37-39页
    3.3 决策规则的约简与推理第39-45页
        3.3.1 决策规则的约简第39-43页
        3.3.2 决策规则的推理第43-45页
    3.4 核电厂故障诊断规则的约简与推理第45-47页
    3.5 基于GrC-SDG的核电厂故障诊断方法第47-50页
        3.5.1 QTA与阈值法相结合的状态监测方法第47-49页
        3.5.2 基于GrC-SDG的核电厂故障诊断流程第49-50页
    3.6 本章小结第50-52页
第4章 基于深度置信网络的故障程度评估第52-62页
    4.1 深度神经网络的基本概念第52-56页
        4.1.1 编码器模型第52-53页
        4.1.2 卷积神经网络模型第53-54页
        4.1.3 深度置信网络模型第54-56页
    4.2 深度置信网络训练流程第56-57页
    4.3 基于深度置信网络的核电厂故障程度评估第57-60页
        4.3.1 故障程度评估基本原理第57-58页
        4.3.2 程度评估结果的数据融合第58-59页
        4.3.3 故障程度评估的步骤第59页
        4.3.4 故障程度评估参量的选取第59-60页
    4.4 本章小结第60-62页
第5章 核电厂故障诊断系统开发与测试第62-82页
    5.1 系统总体设计第62-64页
        5.1.1 设计目标第62页
        5.1.2 系统功能设计第62-64页
        5.1.3 系统流程设计第64页
    5.2 系统功能模块开发第64-73页
        5.2.1 运行状态监测模块开发第64-67页
        5.2.2 决策表约简模块开发第67-68页
        5.2.3 故障诊断模块开发第68-70页
        5.2.4 故障程度评估模块开发第70-72页
        5.2.5 用户登录管理模块开发第72页
        5.2.6 数据库管理模块开发第72-73页
    5.3 系统功能测试第73-81页
        5.3.1 冷却剂丧失事故第73-75页
        5.3.2 安全壳外主蒸汽管道破裂事故第75-77页
        5.3.3 蒸汽发生器传热管破裂事故第77-79页
        5.3.4 控制棒意外插入事故第79-80页
        5.3.5 测试结果分析第80-81页
    5.4 本章小结第81-82页
结论第82-84页
参考文献第84-91页
攻读硕士学位期间发表的论文和取得的科研成果第91-93页
致谢第93页

论文共93页,点击 下载论文
上一篇:基于遗传PID算法的风光互补充电控制方法的研究与实现
下一篇:基于故障限流器的异步化超高压发电机低电压穿越研究