| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 数据驱动故障监测和诊断概述 | 第13-16页 |
| 1.2.2 经验模态分解概述 | 第16-19页 |
| 1.2.3 可见图概述 | 第19页 |
| 1.3 课题研究内容 | 第19-20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 第二章 基于总体平均经验模态分解残差的故障诊断方法 | 第22-38页 |
| 2.1 希尔伯特-黄变换 | 第23-24页 |
| 2.1.1 总体平均经验模态分解 | 第23页 |
| 2.1.2 希尔伯特谱 | 第23-24页 |
| 2.2 基于EEMD残差的故障诊断方法 | 第24-26页 |
| 2.2.1 EEMD残差 | 第24页 |
| 2.2.2 估计残差故障诊断的控制限 | 第24-25页 |
| 2.2.3 方法流程 | 第25-26页 |
| 2.3 TE过程故障诊断应用 | 第26-37页 |
| 2.3.1 确定主要监测变量及数据采集 | 第29-31页 |
| 2.3.2 基于移动窗口的EEMD处理与故障诊断结果 | 第31-34页 |
| 2.3.3 基于EEMD残差的故障诊断结果与传统HHT诊断结果的比较 | 第34-36页 |
| 2.3.4 基于EEMD残差的故障诊断结果与CUSUM-PCA诊断结果的比较 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于动态可见图的过程故障监测方法 | 第38-48页 |
| 3.1 改进的动态可见图算法 | 第38-42页 |
| 3.1.1 动态可见图算法 | 第38-39页 |
| 3.1.2 改进的动态可见图算法 | 第39-40页 |
| 3.1.3 仿真测试 | 第40-42页 |
| 3.2 基于MDVG的过程监测方法 | 第42-43页 |
| 3.3 TE过程故障监测应用 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于MEMD与MDVG的故障诊断方法 | 第48-58页 |
| 4.1 多变量经验模态分解 | 第48-50页 |
| 4.2 基于MEMD与MDVG的故障诊断方法 | 第50-51页 |
| 4.3 TE过程应用 | 第51-56页 |
| 4.3.1 确定监测变量 | 第51-52页 |
| 4.3.2 确定监测指标及阈值 | 第52-54页 |
| 4.3.3 在线监测 | 第54-55页 |
| 4.3.4 故障诊断 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 研究成果及发表的学术论文 | 第68-70页 |
| 作者和导师简介 | 第70-71页 |
| 附件 | 第71-72页 |
