| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-16页 |
| 第二章 预备知识 | 第16-22页 |
| ·主成分分析（PCA） | 第16-17页 |
| ·独立成分分析（ICA） | 第17-19页 |
| ·TE 过程 | 第19-22页 |
| 第三章 基于核动态独立成分分析的故障诊断 | 第22-34页 |
| ·核动态独立成分分析（KDICA） | 第22-25页 |
| ·KDICA 变量贡献分析 | 第25-27页 |
| ·实例研究 | 第27-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于动态滤波 KICA-PCA 的故障诊断 | 第34-54页 |
| ·动态 KICA-PCA | 第34-37页 |
| ·动态滤波 KICA-PCA | 第37-38页 |
| ·DFKICA-PCA 变量贡献分析 | 第38-41页 |
| ·DKICA-PCA 故障检测的实例研究（不同动态阶次） | 第41-44页 |
| ·DFKICA-PCA 故障检测的实例研究（不同 EWMA 参数） | 第44-45页 |
| ·四种算法的检测性能的综合比较 | 第45-50页 |
| ·DFKICA-PCA 故障诊断的实例研究 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 特征选择和维度缩减 | 第54-66页 |
| ·特征选择—独立成分的方差计算 | 第54-56页 |
| ·维度缩减—AE&RVE 准则 | 第56-57页 |
| ·实例研究 1：非线性混合信号的分离 | 第57-62页 |
| ·实例研究 2：KICA 故障检测 | 第62-63页 |
| ·实例研究 3：KICA-PCA 故障检测 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 基于高阶累积量分析的故障诊断 | 第66-78页 |
| ·高阶统计量 | 第66页 |
| ·基于高阶累积量分析（HCA）的故障检测 | 第66-67页 |
| ·基于 HCA 变量贡献分析的故障诊断 | 第67-70页 |
| ·实例研究 | 第70-76页 |
| ·本章小结 | 第76-78页 |
| 第七章 结论与展望 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85-86页 |
| 作者攻读硕士学位期间的研究成果和发表的学术论文目录 | 第86-87页 |
| 作者和导师简介 | 第87-88页 |
| 附件 | 第88-89页 |
