支持向量机在汽轮机状态监测中的应用

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

　　    近几年来，随着人工智能技术在现代电厂的广泛应用，对电厂运行机械的性能监测与故障诊断提出了更高的要求，使得支持向量机在这个领域也开始得到应用，并取得了较好的效果，而且随着该算法理论、方法及应用手段深入研究与不断丰富，其应用范围将越来越广。但是目前从工程应用角度上介绍支持向量机算法的相关著作较少，汽轮机组的性能监测与故障诊断领域的还没有。在此背景下，王雷完成了这本《支持向量机在汽轮机状态监测中的应用》，目的在于促进支持向量机在汽轮机组性能监测和故障诊断领域的推广与应用。