| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题的研究背景与意义 | 第11-12页 |
| ·故障诊断方法概述 | 第12-17页 |
| ·故障及其类型 | 第12页 |
| ·故障诊断方法及其类型 | 第12-17页 |
| ·本文的主要工作 | 第17-19页 |
| 第2章 基于多变量统计的故障诊断方法 | 第19-25页 |
| ·统计过程控制的基本概念 | 第19页 |
| ·统计性能监控方法 | 第19-22页 |
| ·单变量统计过程控制 | 第20页 |
| ·多变量投影技术 | 第20-21页 |
| ·多变量统计控制图 | 第21-22页 |
| ·基于统计回归的质量预测方法 | 第22-23页 |
| ·最小二乘算法 | 第22页 |
| ·主元回归算法 | 第22页 |
| ·偏最小二乘算法 | 第22-23页 |
| ·独立成分回归算法 | 第23页 |
| ·支持向量机 | 第23页 |
| ·各种算法的不足之处 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于粒子群优化的独立成分分析算法 | 第25-35页 |
| ·独立成分分析 | 第25-28页 |
| ·ICA定义 | 第25-26页 |
| ·独立性定义 | 第26页 |
| ·非高斯最大化法 | 第26-28页 |
| ·FastICA算法 | 第28-30页 |
| ·基于粒子群优化的独立成分分析(PSO-ICA)算法 | 第30-33页 |
| ·粒子群优化算法基本原理 | 第30-31页 |
| ·基于粒子群优化的独立成分分析(PSO-ICA)算法 | 第31-33页 |
| ·PSO-ICA算法在故障诊断中的应用 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第4章 改进的独立成分回归算法 | 第35-45页 |
| ·偏最小二乘算法(PLS)的基本原理 | 第35-36页 |
| ·独立分量回归算法(ICR)的基本原理 | 第36-37页 |
| ·改进的独立成分回归算法 | 第37-43页 |
| ·基于牛顿迭代的改进独立成分回归算法 | 第38-41页 |
| ·基于粒子群优化的改进独立成分回归算法 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第5章 两种改进算法在实际过程中的应用 | 第45-61页 |
| ·田纳西-伊斯曼过程简介 | 第45-48页 |
| ·PSO-ICA算法在故障诊断中的应用 | 第48-52页 |
| ·连退过程 | 第52-53页 |
| ·Modified ICR算法在质量预测中的应用 | 第53-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间发表的论文 | 第68页 |