| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 主要符号说明 | 第10-12页 |
| 目录 | 第12-15页 |
| 第1章 绪论 | 第15-31页 |
| ·研究背景 | 第15-16页 |
| ·故障诊断技术与方法 | 第16-20页 |
| ·系统的故障 | 第16-17页 |
| ·故障诊断 | 第17-18页 |
| ·故障诊断技术发展历史 | 第18页 |
| ·故障诊断方法概述 | 第18-20页 |
| ·制冷空调系统中的故障诊断 | 第20-29页 |
| ·国际研究现状 | 第22-27页 |
| ·国内研究现状 | 第27-28页 |
| ·存在的问题 | 第28-29页 |
| ·本文的研究内容 | 第29-31页 |
| 第2章 制冷系统故障与故障指示特征智能提取 | 第31-65页 |
| ·概述 | 第31-32页 |
| ·制冷系统典型故障及其理论分析 | 第32-41页 |
| ·制冷系统及其复杂性 | 第32-34页 |
| ·故障类型 | 第34-35页 |
| ·典型故障 | 第35-37页 |
| ·制冷系统故障的理论分析 | 第37-41页 |
| ·基于ASHRAE 故障实验的特征提取前处理 | 第41-49页 |
| ·制冷系统故障指示特征选择（SELECTION） | 第49-57页 |
| ·基于互信息（MI）的过滤模型 | 第50-54页 |
| ·基于遗传算法（GA）的封装模型 | 第54-57页 |
| ·制冷系统故障指示特征提取（EXTRACTION） | 第57-62页 |
| ·主成分分析（PCA）的数学建模 | 第58-60页 |
| ·主成分的几何意义 | 第60-61页 |
| ·主成分个数的确定 | 第61页 |
| ·制冷系统故障指示特征提取结果 | 第61-62页 |
| ·本章小结 | 第62-65页 |
| 第3章 基于SVM 的制冷系统单发故障检测与诊断 | 第65-91页 |
| ·概述 | 第65-67页 |
| ·制冷故障检测与诊断中的SVM 方法应用 | 第67-69页 |
| ·SVM 参数优化 | 第69-71页 |
| ·模型评价 | 第71-72页 |
| ·制冷系统故障检测与诊断用 SVM 智能集成模型 | 第72-74页 |
| ·GA-SVM 故障集成模型 | 第72-73页 |
| ·PCA-SVM 故障顺序集成模型 | 第73-74页 |
| ·制冷系统单发故障检测与诊断 | 第74-88页 |
| ·各 SVM 故障集成模型的 FDD 性能 | 第75-80页 |
| ·GA-SVM 模型与制冷系统故障指示特征数 | 第80-86页 |
| ·PCA-SVM 模型的FDD 性能 | 第86-88页 |
| ·本章小结 | 第88-91页 |
| 第4章 制冷系统并发故障（多故障）智能检测与诊断 | 第91-113页 |
| ·概述 | 第91-93页 |
| ·制冷系统并发故障用ML-SVM 顺序集成模型 | 第93-102页 |
| ·单标识（mL）与多标识技术（ML） | 第93-94页 |
| ·多故障并发检测与诊断模型 | 第94-96页 |
| ·制冷系统并发故障检测与诊断结果 | 第96-102页 |
| ·指定元分析（DCA）模型 | 第102-110页 |
| ·故障空间及DCA 基本原理 | 第102-105页 |
| ·DCA 用于制冷系统多故障并发的检测与诊断 | 第105-110页 |
| ·本章小结 | 第110-113页 |
| 第5章 制冷系统故障模拟实验及结果分析 | 第113-133页 |
| ·概述 | 第113页 |
| ·制冷系统故障模拟实验台 | 第113-119页 |
| ·实验台设计 | 第113-117页 |
| ·模拟故障的种类及实现方法 | 第117-119页 |
| ·故障与征兆分析 | 第119-128页 |
| ·液体管路受阻、冷凝器结垢及蒸发器水量不足故障 | 第119-123页 |
| ·蒸发器水量减少20%的单发故障 | 第123-125页 |
| ·热力膨胀阀故障 | 第125-128页 |
| ·制冷系统故障检测与诊断模型再验证 | 第128-131页 |
| ·本章小结 | 第131-133页 |
| 第6章 结论与展望 | 第133-136页 |
| ·结论 | 第133-134页 |
| ·研究工作的创新点 | 第134-135页 |
| ·后续工作研究展望 | 第135-136页 |
| 参考文献 | 第136-145页 |
| 附录A | 第145-147页 |
| 致谢 | 第147-149页 |
| 攻读博士学位期间发表的论文及其它的成果 | 第149-150页 |