| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 故障诊断技术介绍 | 第11-14页 |
| 1.2.1 基于解析模型的故障诊断法 | 第13页 |
| 1.2.2 基于知识的故障诊断法 | 第13-14页 |
| 1.2.3 基于数据驱动的故障诊断法 | 第14页 |
| 1.3 基于SVM的故障诊断方法的概述 | 第14-15页 |
| 1.4 本文主要内容 | 第15-16页 |
| 2 田纳西--伊斯曼过程 | 第16-22页 |
| 2.1 TE过程简介 | 第16-18页 |
| 2.2 TE过程数据简介 | 第18-20页 |
| 2.3 小结 | 第20-22页 |
| 3 基于SVM的TE过程故障检测研究 | 第22-34页 |
| 3.1 SVM的工作原理 | 第22-26页 |
| 3.1.1 SVM线性分类的工作原理 | 第22-24页 |
| 3.1.2 广义最优分类超平面 | 第24-25页 |
| 3.1.3 推广到高维空间--核函数 | 第25-26页 |
| 3.2 基于SVM的分类器建立 | 第26-28页 |
| 3.2.1 基于SVM的分类器建立的基本过程 | 第26-27页 |
| 3.2.2 高斯RBF核函数 | 第27页 |
| 3.2.3 交叉验证方法 | 第27-28页 |
| 3.3 基于SVM的TE过程故障检测 | 第28-33页 |
| 3.3.1 基于SVM的故障检测原理 | 第28页 |
| 3.3.2 基于PLS的故障检测原理 | 第28-29页 |
| 3.3.3 基于SVM及PLS的TE过程的故障检测仿真结果和对比 | 第29-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 一种改进的基于SVM的TE过程故障诊断方法 | 第34-44页 |
| 4.1 输入数据处理 | 第34-36页 |
| 4.1.1 归一化处理 | 第34-35页 |
| 4.1.2 用主元分析法降维 | 第35-36页 |
| 4.2 寻优算法的选择 | 第36-40页 |
| 4.2.1 网格寻优法简介 | 第36-37页 |
| 4.2.2 遗传算法简介 | 第37-38页 |
| 4.2.3 粒子群算法简介 | 第38页 |
| 4.2.4 几种寻优算法仿真效果比较 | 第38-40页 |
| 4.3 一种改进的基于SVM故障诊断方法 | 第40-42页 |
| 4.3.1 TE过程故障诊断过程简介 | 第40页 |
| 4.3.2 TE过程模型故障诊断结果及分析 | 第40-42页 |
| 4.4 本章小结 | 第42-44页 |
| 总结与展望 | 第44-46页 |
| 参考文献 | 第46-52页 |
| 发表论文情况 | 第52-54页 |
| 致谢 | 第54-55页 |