| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第17-31页 |
| 1.1 课题研究背景及意义 | 第17-18页 |
| 1.2 复杂化工过程的特点 | 第18-19页 |
| 1.3 故障诊断方法研究现状 | 第19-26页 |
| 1.3.1 基于解析模型的方法 | 第21-22页 |
| 1.3.2 基于数据驱动的方法 | 第22-24页 |
| 1.3.3 基于定性经验知识的方法 | 第24-26页 |
| 1.4 SDG故障诊断方法研究现状 | 第26-27页 |
| 1.5 论文的研究内容和组织结构 | 第27-31页 |
| 第二章 基于改进时滞分析算法的SDG建模 | 第31-59页 |
| 2.1 引言 | 第31-32页 |
| 2.2 SDG建模方法综述 | 第32-34页 |
| 2.2.1 传统SDG建模方法 | 第32-33页 |
| 2.2.2 基于数据驱动的SDG建模方法 | 第33-34页 |
| 2.3 基于AANN-ELM的数据预处理 | 第34-36页 |
| 2.4 动态时间规整技术 | 第36-42页 |
| 2.4.1 DTW距离定义 | 第36-38页 |
| 2.4.2 约束条件 | 第38-40页 |
| 2.4.3 快速求解方法 | 第40-42页 |
| 2.5 基于改进时滞分析的SDG建模流程 | 第42-44页 |
| 2.6 案例分析 | 第44-57页 |
| 2.6.1 案例一：CSTH过程故障建模 | 第44-52页 |
| 2.6.2 案例二：TE过程故障建模 | 第52-57页 |
| 2.7 小结 | 第57-59页 |
| 第三章 动态概率SDG模型 | 第59-75页 |
| 3.1 引言 | 第59页 |
| 3.2 PSDG模型综述 | 第59-61页 |
| 3.3 动态PSDG模型 | 第61-65页 |
| 3.3.1 动态PSDG模型定义 | 第61-62页 |
| 3.3.2 先验概率动态估计 | 第62-65页 |
| 3.3.3 动态PSDG模型的特征 | 第65页 |
| 3.4 案例分析 | 第65-72页 |
| 3.4.1 案例一：CSTH过程的DPSDG模型 | 第65-70页 |
| 3.4.2 案例二：TE过程的DPSDG模型 | 第70-72页 |
| 3.5 小结 | 第72-75页 |
| 第四章 基于动态概率SDG模型的单源故障诊断 | 第75-91页 |
| 4.1 引言 | 第75页 |
| 4.2 DPSDG模型基本拓扑结构分析 | 第75-77页 |
| 4.3 DPSDG故障诊断方法 | 第77-82页 |
| 4.3.1 环状结构的解环方法 | 第78-80页 |
| 4.3.2 后验概率计算方法 | 第80-81页 |
| 4.3.3 DPSDG模型故障诊断流程 | 第81-82页 |
| 4.4 案例分析 | 第82-90页 |
| 4.4.1 案例一：CSTH过程故障诊断 | 第82-86页 |
| 4.4.2 案例二：TE过程故障诊断 | 第86-88页 |
| 4.4.3 讨论 | 第88-90页 |
| 4.5 小结 | 第90-91页 |
| 第五章 基于贝叶斯理论的多源故障诊断 | 第91-111页 |
| 5.1 引言 | 第91页 |
| 5.2 基于SDG的多源故障诊断综述 | 第91-93页 |
| 5.3 基于DPSDG模型和贝叶斯理论的多源故障诊断 | 第93-97页 |
| 5.3.1 多源故障诊断的基本评价指标 | 第93-95页 |
| 5.3.2 多源故障诊断的优化算法 | 第95-97页 |
| 5.3.3 多源故障诊断流程 | 第97页 |
| 5.4 案例分析 | 第97-109页 |
| 5.4.1 案例一：CSTH过程多源故障诊断 | 第98-102页 |
| 5.4.2 案例二：TE过程多源故障诊断 | 第102-107页 |
| 5.4.3 讨论 | 第107-109页 |
| 5.5 小结 | 第109-111页 |
| 第六章 结论和展望 | 第111-113页 |
| 6.1 结论 | 第111-112页 |
| 6.2 展望 | 第112-113页 |
| 参考文献 | 第113-121页 |
| 致谢 | 第121-123页 |
| 攻博期间完成的论文和参加的科研项目 | 第123-125页 |
| 作者简介 | 第125-127页 |
| 导师简介 | 第127-129页 |
| 附件 | 第129-130页 |