| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 课题的背景和意义 | 第10-11页 |
| 1.2 数据流特性分析 | 第11-13页 |
| 1.2.1 数据流定义 | 第11页 |
| 1.2.2 数据流特点 | 第11-13页 |
| 1.2.3 数据流研究现状 | 第13页 |
| 1.3 故障检测和诊断研究现状 | 第13-19页 |
| 1.3.1 基于机器学习的研究现状 | 第14-15页 |
| 1.3.2 基于多元统计方法的研究现状 | 第15-17页 |
| 1.3.3 非负矩阵分解的研究现状 | 第17-18页 |
| 1.3.4 核非负矩阵分解的研究现状 | 第18-19页 |
| 1.4 本文的主要研究内容与论文结构 | 第19-21页 |
| 第二章 核非负矩阵分解算法的特性分析 | 第21-32页 |
| 2.1 引言 | 第21页 |
| 2.2 核方法分析 | 第21-23页 |
| 2.3 核主元分析算法 | 第23-25页 |
| 2.3.1 KPCA算法 | 第23-24页 |
| 2.3.2 基于KPCA的故障检测 | 第24-25页 |
| 2.4 核Fisher判据分析 | 第25-28页 |
| 2.4.1 Fisher判据分析 | 第25-27页 |
| 2.4.2 核Fisher判据分析 | 第27-28页 |
| 2.5 核非负矩阵分解算法 | 第28-31页 |
| 2.5.1 KNMF算法 | 第28-29页 |
| 2.5.2 KNMF几何意义 | 第29-30页 |
| 2.5.3 KNMF算法特性分析 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 增量式核非负矩阵分解算法 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 增量式学习方法分析 | 第32-35页 |
| 3.2.1 学习方式分析 | 第32-34页 |
| 3.2.2 增量式学习方法分析 | 第34-35页 |
| 3.3 增量式核非负矩阵（ILKNMF）分解算法 | 第35-39页 |
| 3.3.1 替换判断原则 | 第35-37页 |
| 3.3.2 确定替换点原则 | 第37页 |
| 3.3.3 替换原则 | 第37-39页 |
| 3.4 基于ILKNMF算法的数据流故障检测与诊断框架 | 第39-41页 |
| 3.4.1 数据流故障检测与诊断框架 | 第39-40页 |
| 3.4.2 训练模型方式 | 第40页 |
| 3.4.3 自适应模型方式 | 第40-41页 |
| 3.4.4 精简历史数据 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于ILKNMF算法的数据流故障检测 | 第42-63页 |
| 4.1 引言 | 第42页 |
| 4.2 基于KNMF算法的非线性故障检测 | 第42-48页 |
| 4.2.1 KNMF算法目标函数 | 第42-44页 |
| 4.2.2 监控统计量的设计 | 第44-45页 |
| 4.2.3 统计量的控制限 | 第45-47页 |
| 4.2.4 故障检测模型 | 第47-48页 |
| 4.3 基于ILKNMF算法的故障检测模型 | 第48-50页 |
| 4.3.1 基于ILKNMF算法的训练模型 | 第48页 |
| 4.3.2 ILKNMF算法和KNMF算法训练时间对比 | 第48-50页 |
| 4.4 基于贡献图的故障辨识 | 第50页 |
| 4.5 仿真实验 | 第50-62页 |
| 4.5.1 Tennessee Eastman实验平台 | 第50-52页 |
| 4.5.2 故障检测性能评估 | 第52-58页 |
| 4.5.3 自适应故障检测性能 | 第58-61页 |
| 4.5.4 故障辨识性能评估 | 第61-62页 |
| 4.6 本章小节 | 第62-63页 |
| 第五章 基于增量式FISHER-KNMF算法的数据流故障诊断 | 第63-83页 |
| 5.1 引言 | 第63-64页 |
| 5.2 Fisher核非负矩阵分解（FKNMF）算法 | 第64-67页 |
| 5.2.1 特征空间投影 | 第64-65页 |
| 5.2.2 求解Fisher判据 | 第65页 |
| 5.2.3 目标函数建立 | 第65-66页 |
| 5.2.4 目标函数求解 | 第66-67页 |
| 5.3 FKNMF算法单调性证明 | 第67-71页 |
| 5.3.1 固定优化 | 第67-68页 |
| 5.3.2 固定优化 | 第68-70页 |
| 5.3.3 优化λ | 第70-71页 |
| 5.4 FKNMF算法几何意义 | 第71-73页 |
| 5.4.1 FDA特性回顾 | 第71-72页 |
| 5.4.2 FKNMF算法几何意义 | 第72-73页 |
| 5.5 基于ILFKNMF算法的故障诊断 | 第73-76页 |
| 5.5.1 基于FKNMF算法的故障诊断 | 第73-75页 |
| 5.5.2 ILFKNMF算法诊断模型 | 第75-76页 |
| 5.6 仿真实验 | 第76-82页 |
| 5.6.1 单故障诊断 | 第76-79页 |
| 5.6.2 多故障诊断 | 第79-82页 |
| 5.7 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 工作总结与本文贡献 | 第83-84页 |
| 6.2 未来工作展望 | 第84-85页 |
| 参考文献 | 第85-92页 |
| 致谢 | 第92-93页 |
| 攻读硕士学位期间已发表或录用的论文 | 第93-95页 |
