支持向量機在汽輪機狀態(tài)監(jiān)測中的應用

第1章　緒論
1.1　引言
1.2　汽輪機狀態(tài)監(jiān)測簡述
1.3　基于機器學習的狀態(tài)監(jiān)測方法
1.4　本書的安排
參考文獻
第2章　統(tǒng)計學習理論與支持向量機
2.1　機器學習的表示
2.2　統(tǒng)計學習理論主要內(nèi)容
2.3　分類支持向量機
2.4　回歸支持向量機
2.5　支持向量機與神經(jīng)網(wǎng)絡
2.6　小結
參考文獻
第3章　汽輪機性能參數(shù)監(jiān)測
3.1　概述
3.2　回歸方法簡介
3.3　凝汽器真空應達值估計
3.4　汽輪機熱耗率計算
3.5　主蒸汽流量軟測量
3.6　小結
參考文獻
第4章　時間序列參數(shù)預測
4.1　概述
4.2　時間序列預測簡述
4.3　凝汽器清潔系數(shù)時間序列預測
4.4　汽輪機轉子振動狀態(tài)的預測
4.5　小結
參考文獻
第5章　汽輪機運行異常參數(shù)檢測
5.1　概述
5.2　基于支持向量機的數(shù)據(jù)異常值檢測
5.3　小結
參考文獻
第6章　汽輪機組及其附屬設備故障診斷
6.1　概述
6.2　支持向量機多分類方法
6.3　故障征兆模糊處理
6.4　凝汽設備故障診斷
6.5　高壓加熱器故障診斷
6.6　小結
參考文獻
第7章　結論與展望