| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 故障诊断算法 | 第16-24页 |
| 1.2.1 相关定义 | 第17-18页 |
| 1.2.2 研究意义 | 第18-19页 |
| 1.2.3 研究现状 | 第19-24页 |
| 1.3 论文主要工作及章节安排 | 第24-25页 |
| 第二章 高炉炼铁流程故障诊断分析 | 第25-37页 |
| 2.1 高炉炼铁工艺流程分析 | 第25-27页 |
| 2.1.1 高炉炼铁工艺原理 | 第25-26页 |
| 2.1.2 高炉本体控制工艺 | 第26-27页 |
| 2.2 高炉炼铁流程故障类型与特征分析 | 第27-33页 |
| 2.3 高炉炼铁流程故障诊断研究现状分析 | 第33-35页 |
| 2.3.1 国外研究现状 | 第33-34页 |
| 2.3.2 国内研究现状 | 第34-35页 |
| 2.4 高炉炼铁流程运行数据及故障的特点 | 第35-37页 |
| 第三章 ICA算法分析及改进 | 第37-64页 |
| 3.1 ICA算法概述 | 第37-38页 |
| 3.2 独立元分析基本理论 | 第38-39页 |
| 3.3 ICA算法在盲源信号分离方面的仿真实现 | 第39-41页 |
| 3.4 ICA算法存在的不足之处 | 第41-45页 |
| 3.4.1 ICA算法本身存在的不足 | 第41-42页 |
| 3.4.2 数值仿真及说明 | 第42-45页 |
| 3.5 基于独立元分析(ICA)的故障检测改进 | 第45-52页 |
| 3.5.1 数据预处理 | 第45-47页 |
| 3.5.2 基于非高斯性最大化原则的独立元分析算法 | 第47-48页 |
| 3.5.3 基于负熵的快速ICA算法 | 第48-51页 |
| 3.5.4 基于概率密度分析加权的ICA算法 | 第51-52页 |
| 3.6 TE过程仿真数据验证 | 第52-64页 |
| 3.6.1 TE过程工艺概述 | 第52-58页 |
| 3.6.2 TE过程仿真结果 | 第58-64页 |
| 第四章 基于改进ICA算法的高炉缓变故障检测 | 第64-71页 |
| 4.1 缓变故障概述 | 第64-65页 |
| 4.2 基于改进ICA算法和MEWMA算法的高炉缓变故障检测 | 第65-66页 |
| 4.3 TE过程仿真验证 | 第66-68页 |
| 4.4 高炉数据验证 | 第68-71页 |
| 第五章 基于改进ICA算法与SVM算法的高炉故障诊断 | 第71-86页 |
| 5.1 高炉数据存在的小样本问题 | 第71页 |
| 5.2 SVM算法原理分析 | 第71-77页 |
| 5.2.1 SVM概述 | 第71-72页 |
| 5.2.2 SVM原理 | 第72-76页 |
| 5.2.3 基于支持向量机的多分类结构 | 第76-77页 |
| 5.3 SVM算法与改进ICA算法的结合 | 第77-78页 |
| 5.4 高炉数据验证 | 第78-86页 |
| 5.4.1 高炉数据 | 第78-82页 |
| 5.4.2 高炉故障 | 第82-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 本文内容总结 | 第86页 |
| 6.2 进一步的研究与展望 | 第86-88页 |
| 参考文献 | 第88-97页 |
| 攻读学位期间发表的学术论文与取得的其他研究成果 | 第97页 |
