| 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12-20页 |
| 1.1 课题来源 | 第12页 |
| 1.2 课题背景及意义 | 第12-13页 |
| 1.3 故障诊断技术概述 | 第13-18页 |
| 1.3.1 故障诊断方法分类 | 第13-14页 |
| 1.3.2 人工神经网络 | 第14-17页 |
| 1.3.3 可拓学理论 | 第17-18页 |
| 1.4 课题研究内容 | 第18-19页 |
| 1.5 论文组织结构 | 第19-20页 |
| 第二章 聚类分析方法与极限学习机 | 第20-28页 |
| 2.1 模糊C均值聚类(FCM) | 第20-22页 |
| 2.2 可拓样本聚类(ESC) | 第22-25页 |
| 2.3 极限学习机 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于模糊C均值聚类的ELM集成方法在故障诊断中的应用 | 第28-44页 |
| 3.1 基于模糊C均值聚类的ELM集成故障诊断方法 | 第28-29页 |
| 3.2 TE过程简介 | 第29-33页 |
| 3.3 基于FCM-ELME方法的TE过程故障诊断 | 第33-43页 |
| 3.3.1 FCM方法对TE故障聚类分析 | 第33-37页 |
| 3.3.2 基于FCM-ELME的故障诊断效果比较 | 第37-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于可拓样本聚类的ELM集成方法在故障诊断中的应用 | 第44-60页 |
| 4.1 基于可拓样本聚类的ELM集成方法 | 第44-46页 |
| 4.2 基于ESC-ELME方法的TE过程故障诊断 | 第46-59页 |
| 4.2.1 ESC方法对TE故障聚类分析 | 第46-48页 |
| 4.2.2 建立故障诊断模型 | 第48-49页 |
| 4.2.3 ESC-ELME方法故障诊断效果比较 | 第49-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 5.1 结论 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 研究成果及录用的学术论文 | 第68-70页 |
| 作者和导师简介 | 第70-72页 |
| 附件 | 第72-73页 |
