| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 课题研究背景与意义 | 第13-14页 |
| 1.2 核动力装置运行支持技术的研究现状及应用 | 第14-16页 |
| 1.2.1 核动力装置运行支持技术的研究现状 | 第14-15页 |
| 1.2.2 核动力装置运行支持的关键技术及应用前景 | 第15-16页 |
| 1.3 状态监测与故障诊断关键技术的研究现状 | 第16-22页 |
| 1.3.1 在线机理仿真模型研究现状 | 第17-18页 |
| 1.3.2 状态监测方法的研究现状 | 第18-20页 |
| 1.3.3 故障诊断方法的研究现状 | 第20-22页 |
| 1.4 本文主要研究内容 | 第22-25页 |
| 第2章 模型驱动的故障诊断策略总体设计 | 第25-33页 |
| 2.1 核动力装置的系统组成与运行特点 | 第25-28页 |
| 2.1.1 诊断对象的系统组成 | 第25-26页 |
| 2.1.2 诊断对象的运行特点与故障特性 | 第26-27页 |
| 2.1.3 诊断对象的故障模式 | 第27-28页 |
| 2.2 基于模型驱动的混合式故障诊断策略 | 第28-31页 |
| 2.2.1 系统功能 | 第28-29页 |
| 2.2.2 技术流程 | 第29-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第3章 用于在线监测与趋势预测的机理仿真模型 | 第33-65页 |
| 3.1 引言 | 第33-34页 |
| 3.2 在线机理仿真模型的总体方案设计 | 第34-39页 |
| 3.2.1 技术流程 | 第34-36页 |
| 3.2.2 硬件设计方案 | 第36-37页 |
| 3.2.3 软件设计方案 | 第37-39页 |
| 3.3 反应堆及一回路系统的仿真模型 | 第39-48页 |
| 3.3.1 THEATRe程序简介 | 第39-42页 |
| 3.3.2 COBRAIIIC/MIT2 程序简介 | 第42-44页 |
| 3.3.3 一回路系统的热工水力仿真建模 | 第44-46页 |
| 3.3.4 堆芯子通道热工水力仿真建模 | 第46-48页 |
| 3.4 仿真模型的耦合与联调 | 第48-51页 |
| 3.4.1 RCS内的耦合计算 | 第48-49页 |
| 3.4.2 整体仿真模型的耦合与联调 | 第49-51页 |
| 3.5 机理仿真模型的初始化 | 第51-54页 |
| 3.6 仿真实验与分析 | 第54-62页 |
| 3.6.1 稳态满功率工况 | 第54-57页 |
| 3.6.2 单组控制棒失控掉落 | 第57-60页 |
| 3.6.3 主冷却剂管道大破口事故 | 第60-62页 |
| 3.7 本章小结 | 第62-65页 |
| 第4章 分布式状态监测与故障诊断 | 第65-89页 |
| 4.1 引言 | 第65-67页 |
| 4.2 分布式系统级状态监测 | 第67-73页 |
| 4.2.1 分布式策略的基本思想 | 第67-68页 |
| 4.2.2 基于机理模型的系统级监测原理 | 第68页 |
| 4.2.3 分布式的系统划分 | 第68-73页 |
| 4.3 特征参数的残差分析 | 第73-75页 |
| 4.3.1 序贯概率比检验的原理 | 第73-74页 |
| 4.3.2 残差分析的技术流程 | 第74-75页 |
| 4.4 技术流程 | 第75-77页 |
| 4.5 仿真实验与分析 | 第77-88页 |
| 4.5.1 开发环境 | 第77-78页 |
| 4.5.2 单一故障测试 | 第78-83页 |
| 4.5.3 双重故障测试 | 第83-88页 |
| 4.6 本章小结 | 第88-89页 |
| 第5章 基于支持向量机与粒子群算法的故障类型确诊 | 第89-119页 |
| 5.1 引言 | 第89页 |
| 5.2 支持向量分类机 | 第89-95页 |
| 5.2.1 线性SVM | 第89-92页 |
| 5.2.2 非线性SVM | 第92-93页 |
| 5.2.3 松弛因子 | 第93-94页 |
| 5.2.4 支持向量分类机的建立 | 第94-95页 |
| 5.3 改进的粒子群算法 | 第95-102页 |
| 5.3.1 粒子群算法的基本原理 | 第96-97页 |
| 5.3.2 粒子群算法的改进 | 第97-98页 |
| 5.3.3 多种搜索策略的优化粒子群算法 | 第98-102页 |
| 5.4 技术流程 | 第102-105页 |
| 5.5 仿真实验及分析 | 第105-118页 |
| 5.5.1 开发环境 | 第105页 |
| 5.5.2 关键参数分析 | 第105-109页 |
| 5.5.3 典型算法的对比 | 第109-113页 |
| 5.5.4 测试实例 | 第113-118页 |
| 5.6 本章小结 | 第118-119页 |
| 第6章 基于核主元分析与相似性聚类的故障程度评估 | 第119-141页 |
| 6.1 引言 | 第119-120页 |
| 6.2 核主元分析方法 | 第120-125页 |
| 6.2.1 核主元分析的基本原理 | 第121-124页 |
| 6.2.2 核主元分析的计算步骤 | 第124-125页 |
| 6.3 相似性聚类 | 第125-128页 |
| 6.3.1 典型的距离函数及其特点 | 第125-126页 |
| 6.3.2 主要聚类算法 | 第126-128页 |
| 6.4 技术流程 | 第128-129页 |
| 6.5 仿真实验与分析 | 第129-140页 |
| 6.5.1 开发环境 | 第130页 |
| 6.5.2 数据降维效果测试 | 第130-136页 |
| 6.5.3 相似性聚类分析测试 | 第136-138页 |
| 6.5.4 测试实例 | 第138-140页 |
| 6.6 本章小结 | 第140-141页 |
| 结论 | 第141-143页 |
| 参考文献 | 第143-155页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第155-157页 |
| 致谢 | 第157页 |