| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-22页 |
| 1.0 引言 | 第9-10页 |
| 1.1 故障诊断概述 | 第10-13页 |
| 1.1.1 故障产生的原因 | 第10页 |
| 1.1.2 故障诊断的基本概念 | 第10-11页 |
| 1.1.3 故障诊断的一般方法 | 第11-13页 |
| 1.2 免疫算法概述 | 第13-16页 |
| 1.2.1 人体免疫系统和免疫学介绍 | 第13-14页 |
| 1.2.2 免疫算法的产生与发展 | 第14-16页 |
| 1.3 文化算法基本理论及综述 | 第16-19页 |
| 1.3.1 文化算法的起源 | 第16-17页 |
| 1.3.2 文化算法的原理框架和特点 | 第17页 |
| 1.3.3 文化算法的一般步骤 | 第17-19页 |
| 1.4 支持向量机综述 | 第19-20页 |
| 1.4.1 支持向量机简介 | 第19页 |
| 1.4.2 支持向量机训练算法 | 第19-20页 |
| 1.5 论文研究内容 | 第20-22页 |
| 第2章 免疫优势克隆文化算法研究 | 第22-34页 |
| 2.1 免疫优势克隆选择算法及其改进 | 第22-23页 |
| 2.1.1 免疫优势算子 | 第22-23页 |
| 2.1.2 克隆选择算子 | 第23页 |
| 2.2 免疫优势克隆文化算法 | 第23-27页 |
| 2.2.1 种群空间的设计 | 第24-25页 |
| 2.2.2 信念空间的设计 | 第25页 |
| 2.2.3 通讯通道的设计 | 第25-27页 |
| 2.3 免疫优势克隆文化算法性能测试 | 第27-33页 |
| 2.3.1 测试函数和性能指标 | 第27-29页 |
| 2.3.2 测试结果分析 | 第29-33页 |
| 2.4 本章总结 | 第33-34页 |
| 第3章 基于免疫优势克隆文化算法的故障诊断方法的研究 | 第34-53页 |
| 3.1 支持向量机原理概述 | 第34-36页 |
| 3.2 基于免疫优势克隆文化算法的特征选择方法 | 第36-38页 |
| 3.2.1 特征选择概述 | 第36-37页 |
| 3.2.2 基于免疫优势克隆文化算法的特征选择方法 | 第37-38页 |
| 3.3 基于免疫优势克隆文化算法的故障诊断方法 | 第38-40页 |
| 3.3.1 基于支持向量机分类器的故障诊断方法框架 | 第38-39页 |
| 3.3.2 基于免疫优势克隆文化算法的支持向量机参数优化 | 第39-40页 |
| 3.3.3 基于免疫优势克隆文化算法故障诊断方法 | 第40页 |
| 3.4 Wine dataset分类仿真实验 | 第40-43页 |
| 3.5 免疫优势克隆文化算法在TE过程故障诊断中的应用 | 第43-52页 |
| 3.5.1 TE过程简介 | 第43-47页 |
| 3.5.2 故障特征选择 | 第47-49页 |
| 3.5.3 TE过程故障诊断仿真实验 | 第49-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第4章 基于IDCCA的乙烯裂解炉故障诊断 | 第53-68页 |
| 4.1 烯裂解炉生产工艺简介 | 第53-58页 |
| 4.1.1 乙烯和乙烯生产装置简介 | 第53-54页 |
| 4.1.2 裂解炉工艺流程介绍 | 第54-58页 |
| 4.2 基于IDCCA的乙烯裂解炉故障诊断实现 | 第58-67页 |
| 4.2.1 乙烯裂解炉先进控制介绍及故障诊断原因 | 第58-59页 |
| 4.2.2 故障数据采集和选取 | 第59-63页 |
| 4.2.3 故障特征选择 | 第63-64页 |
| 4.2.4 基于IDCCA-SVM的故障诊断 | 第64-67页 |
| 4.3 本章总结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 本文工作总结 | 第68页 |
| 5.2 研究展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间的研究成果 | 第76页 |
