| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 过程监测的研究内容和现状 | 第11-14页 |
| 1.3 基于模式识别的故障分类方法 | 第14-17页 |
| 1.3.1 模式识别介绍 | 第14-15页 |
| 1.3.2 基于半监督学习的故障分类 | 第15-16页 |
| 1.3.3 基于深度学习的故障分类 | 第16-17页 |
| 1.4 本文主要工作 | 第17-21页 |
| 1.4.1 本文研究内容 | 第17-18页 |
| 1.4.2 各章节主要内容及创新点 | 第18-21页 |
| 第二章 半监督阶梯网络的特征多模型融合及故障分类研究 | 第21-51页 |
| 2.1 引言 | 第21-22页 |
| 2.2 相关算法 | 第22-33页 |
| 2.2.1 自动编码器与降噪自动编码器 | 第22-25页 |
| 2.2.2 半监督阶梯网络算法 | 第25-29页 |
| 2.2.3 基础分类方法 | 第29-33页 |
| 2.3 半监督阶梯网络特征提取 | 第33-35页 |
| 2.4 基于投票方式的多模型融合 | 第35-37页 |
| 2.5 基于堆栈方式的多模型融合 | 第37-44页 |
| 2.6 实验与分析 | 第44-49页 |
| 2.6.1 实验设置 | 第44-46页 |
| 2.6.2 实验结果及分析 | 第46-49页 |
| 2.7 本章小结 | 第49-51页 |
| 第三章 半监督阶梯网络的跨层结构优化及故障分类研究 | 第51-71页 |
| 3.1 引言 | 第51-52页 |
| 3.2 基于残差网络改进的半监督残差阶梯网络 | 第52-60页 |
| 3.2.1 残差网络介绍 | 第52-54页 |
| 3.2.2 半监督残差阶梯网络的网络结构 | 第54-58页 |
| 3.2.3 半监督残差阶梯网络的损失函数 | 第58-59页 |
| 3.2.4 半监督残差阶梯网络算法描述 | 第59-60页 |
| 3.3 基于密集网络改进的半监督密集阶梯网络 | 第60-66页 |
| 3.3.1 密集网络介绍 | 第60-62页 |
| 3.3.2 半监督密集阶梯网络的网络结构 | 第62-65页 |
| 3.3.3 半监督密集阶梯网络算法描述 | 第65-66页 |
| 3.4 实验与分析 | 第66-70页 |
| 3.4.1 实验设置 | 第66-67页 |
| 3.4.2 实验结果及分析 | 第67-70页 |
| 3.5 本章小结 | 第70-71页 |
| 第四章 空调系统的故障分类算法应用 | 第71-87页 |
| 4.1 引言 | 第71页 |
| 4.2 空调系统介绍 | 第71-74页 |
| 4.2.1 空调系统制冷原理 | 第71-73页 |
| 4.2.2 空调系统制冷剂 | 第73-74页 |
| 4.3 空调系统仿真平台 | 第74-78页 |
| 4.3.1 多联变水量风冷式空调系统模型结构 | 第74-76页 |
| 4.3.2 多联变水量风冷式空调系统控制回路 | 第76-78页 |
| 4.4 空调系统故障仿真及分类实验 | 第78-86页 |
| 4.4.1 空调系统故障仿真 | 第78-84页 |
| 4.4.2 空调系统故障分类实验 | 第84-86页 |
| 4.5 本章小结 | 第86-87页 |
| 第五章 总结与展望 | 第87-91页 |
| 5.1 本文研究内容的总结 | 第87-89页 |
| 5.2 未来工作的展望 | 第89-91页 |
| 参考文献 | 第91-97页 |
| 致谢 | 第97-99页 |
| 作者简历 | 第99页 |
| 攻读硕士学位期间的科研成果 | 第99页 |