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 |