| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 工业过程故障监测方法 | 第11-15页 |
| 1.2.1 基于解析模型的方法 | 第12页 |
| 1.2.2 基于知识的方法 | 第12-13页 |
| 1.2.3 基于信号处理的方法 | 第13-14页 |
| 1.2.4 基于数据驱动的方法 | 第14-15页 |
| 1.3 多模态过程的故障监测 | 第15-19页 |
| 1.3.1 多模态过程故障监测的基本概念 | 第15-16页 |
| 1.3.2 多模态过程中稳定模态故障监测方法 | 第16-17页 |
| 1.3.3 多模态过程中过渡模态故障监测方法 | 第17-19页 |
| 1.4 论文结构与章节安排 | 第19-20页 |
| 第2章 相关基础理论及工艺过程 | 第20-36页 |
| 2.1 主成分分析方法 | 第20-24页 |
| 2.1.1 主成分分析方法的基本理论 | 第20-21页 |
| 2.1.2 主成分分析的几何意义与主成分的选取 | 第21-22页 |
| 2.1.3 基于PCA的工业过程故障监测 | 第22-24页 |
| 2.2 核方法 | 第24-28页 |
| 2.2.1 核方法的基本理论 | 第24-25页 |
| 2.2.2 核主元分析 | 第25-26页 |
| 2.2.3 核加权平均函数 | 第26-28页 |
| 2.3 聚类分析 | 第28-32页 |
| 2.3.1 聚类分析的基本概念 | 第28-29页 |
| 2.3.2 主要聚类方法简介 | 第29-32页 |
| 2.4 工艺过程 | 第32-34页 |
| 2.4.1 田纳西-伊斯曼过程 | 第32-33页 |
| 2.4.2 磨矿分级过程 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 基于核加权平均函数的过渡模态故障监测 | 第36-56页 |
| 3.1 基于聚类算法的过渡模态划分 | 第36-43页 |
| 3.1.1 基于K-均值聚类算法的过渡模态划分 | 第36-38页 |
| 3.1.2 基于EM聚类算法的过渡模态划分 | 第38-40页 |
| 3.1.3 两种过渡模态划分方法的仿真分析 | 第40-43页 |
| 3.2 基于WAF-PCA的过渡模态监测方法 | 第43-47页 |
| 3.2.1 过渡模态特性分析 | 第43-44页 |
| 3.2.2 核加权平均函数的引入 | 第44-45页 |
| 3.2.3 基于WAF-PCA建立过渡模态监测模型 | 第45-47页 |
| 3.3 仿真分析 | 第47-54页 |
| 3.3.1 基于WAF-PCA的TE过程过渡模态故障监测 | 第47-51页 |
| 3.3.2 基于WAF-PCA的磨矿分级过程过渡模态故障监测 | 第51-54页 |
| 3.4 本章小结 | 第54-56页 |
| 第4章 基于局部线性化的过渡模态故障监测 | 第56-70页 |
| 4.1 局部线性化 | 第56-57页 |
| 4.2 基于局部线性化的过渡模态故障监测方法 | 第57-60页 |
| 4.2.1 过渡模态的局部线性化 | 第57-59页 |
| 4.2.2 基于局部线性化的故障监测 | 第59-60页 |
| 4.3 仿真研究与结果分析 | 第60-67页 |
| 4.3.1 基于局部线性化的TE过程过渡模态故障监测 | 第60-65页 |
| 4.3.2 基于局部线性化的磨矿分级过程过渡模态故障监测 | 第65-67页 |
| 4.4 本章小结 | 第67-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 本文总结 | 第70页 |
| 5.2 工作展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78页 |
