第1章 绪论 1
1.1 引言 1
1.2 汽轮机状态监测简述 5
1.3 基于机器学习的状态监测方法 8
1.4 本书的安排 16
参考文献 17
第2章 统计学习理论与支持向量机 25
2.1 机器学习的表示 26
2.2 统计学习理论主要内容 30
2.3 分类支持向量机 36
2.4 回归支持向量机 43
2.5 支持向量机与神经网络 46
2.6 小结 48
参考文献 49
第3章 汽轮机性能参数监测 51
3.1 概述 51
3.2 回归方法简介 53
3.3 凝汽器真空应达值估计 57
3.4 汽轮机热耗率计算 69
3.5 主蒸汽流量软测量 75
3.6 小结 77
参考文献 78
第4章 时间序列参数预测 80
4.1 概述 80
4.2 时间序列预测简述 82
4.3 凝汽器清洁系数时间序列预测 92
4.4 汽轮机转子振动状态的预测 99
4.5 小结 109
参考文献 110
第5章 汽轮机运行异常参数检测 112
5.1 概述 112
5.2 基于支持向量机的数据异常值检测 114
5.3 小结 120
参考文献 121
第6章 汽轮机组及其附属设备故障诊断 123
6.1 概述 123
6.2 支持向量机多分类方法 127
6.3 故障征兆模糊处理 130
6.4 凝汽设备故障诊断 135
6.5 高压加热器故障诊断 148
6.6 小结 153
参考文献 154
第7章 结论与展望 156