| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 引言 | 第18-29页 |
| 1.1 研究背景与研究意义 | 第18-21页 |
| 1.1.1 研究背景 | 第18-20页 |
| 1.1.2 研究意义 | 第20-21页 |
| 1.2 国内外研究现状 | 第21-25页 |
| 1.2.1 非预期故障诊断的方法 | 第21-23页 |
| 1.2.2 非预期故障诊断的应用 | 第23-25页 |
| 1.3 主要研究工作 | 第25-29页 |
| 1.3.1 问题提出 | 第25-26页 |
| 1.3.2 主要研究内容与章节安排 | 第26-29页 |
| 第二章 非预期故障诊断通用过程模型 | 第29-44页 |
| 2.1 非预期故障诊断的数学描述 | 第29-30页 |
| 2.2 非预期故障诊断的通用过程模型 | 第30-33页 |
| 2.3 基于单类多元统计分析的非预期故障诊断流程 | 第33-38页 |
| 2.4 仿真验证及结果分析 | 第38-43页 |
| 2.4.1 诊断对象及数据说明 | 第38-39页 |
| 2.4.2 诊断结果及分析 | 第39-43页 |
| 2.5 结论 | 第43-44页 |
| 第三章 基于平滑预处理的非预期故障诊断方法 | 第44-62页 |
| 3.1 引言 | 第44页 |
| 3.2 非平稳数据的平滑预处理 | 第44-48页 |
| 3.2.1 趋势和残差 | 第44-46页 |
| 3.2.2 边界处理技术 | 第46页 |
| 3.2.3 平滑预处理对故障诊断的影响 | 第46-48页 |
| 3.3 基于平滑预处理的非预期故障诊断流程 | 第48-54页 |
| 3.3.1 预期故障检测 | 第49页 |
| 3.3.2 预期故障隔离 | 第49-51页 |
| 3.3.3 非预期故障检测 | 第51-52页 |
| 3.3.4 非预期故障隔离 | 第52-54页 |
| 3.4 仿真验证及结果分析 | 第54-61页 |
| 3.4.1 诊断对象及数据说明 | 第54-55页 |
| 3.4.2 平滑预处理 | 第55-57页 |
| 3.4.3 诊断结果及分析 | 第57-61页 |
| 3.5 结论 | 第61-62页 |
| 第四章 基于时序建模的非预期故障诊断方法 | 第62-79页 |
| 4.1 引言 | 第62-63页 |
| 4.2 基于时序建模的改进检测统计量 | 第63-68页 |
| 4.2.1 标准检测统计量 | 第63-64页 |
| 4.2.2 改进检测统计量 | 第64-66页 |
| 4.2.3 结构比较 | 第66-67页 |
| 4.2.4 改进检测统计量的性能分析 | 第67-68页 |
| 4.3 改进检测统计量的增量 / 减量算法 | 第68-73页 |
| 4.3.1 暴力算法 | 第69页 |
| 4.3.2 减量算法 | 第69-73页 |
| 4.3.3 算法的复杂度对比分析 | 第73页 |
| 4.4 仿真验证及结果分析 | 第73-78页 |
| 4.4.1 案例 1 : 单输入单输出 (SISO) | 第73-76页 |
| 4.4.2 案例 2 : 卫星姿态控制系统 (SACS) | 第76-78页 |
| 4.5 结论 | 第78-79页 |
| 第五章 静态模型非预期故障诊断的数据驱动设计与评估 | 第79-107页 |
| 5.1 引言 | 第79-80页 |
| 5.2 潜变量回归与检测的权框架 | 第80-84页 |
| 5.2.1 潜变量提取 | 第80页 |
| 5.2.2 潜变量回归 | 第80-82页 |
| 5.2.3 潜变量检测 | 第82-83页 |
| 5.2.4 小结 | 第83-84页 |
| 5.3 潜变量的提取和权矩阵的计算 | 第84-90页 |
| 5.3.1 主元分析和主元回归 | 第84-86页 |
| 5.3.2 典型相关分析和典型相关回归 | 第86-87页 |
| 5.3.3 偏最小二乘和偏最小二乘回归 | 第87-88页 |
| 5.3.4 降秩回归 | 第88-89页 |
| 5.3.5 小结 | 第89-90页 |
| 5.4 潜变量回归与检测的性能分析与评估 | 第90-96页 |
| 5.4.1 参数定理 | 第90-92页 |
| 5.4.2 校正定理 | 第92-94页 |
| 5.4.3 检测定理 | 第94-96页 |
| 5.5 仿真验证及结果分析 | 第96-106页 |
| 5.5.1 案例 1：多输入单输出 (MISO) | 第96-99页 |
| 5.5.2 案例 2：多输入多输出 (MIMO) | 第99-103页 |
| 5.5.3 案例 3：田纳西 -伊斯曼过程 (TEP) | 第103-105页 |
| 5.5.4 案例 4：近红外反射 (NIR) | 第105-106页 |
| 5.6 结论 | 第106-107页 |
| 第六章 动态模型非预期故障诊断的数据驱动设计与可视化 | 第107-122页 |
| 6.1 引言 | 第107-108页 |
| 6.2 动态模型残差生成的稳定核表示 | 第108-110页 |
| 6.3 动态系统的非预期故障诊断 | 第110-114页 |
| 6.3.1 预期故障检测 | 第110-111页 |
| 6.3.2 预期故障隔离 | 第111-112页 |
| 6.3.3 非预期故障检测 | 第112-114页 |
| 6.3.4 非预期故障隔离 | 第114页 |
| 6.4 故障的最优可视化算法 | 第114-117页 |
| 6.5 仿真验证及结果分析 | 第117-121页 |
| 6.5.1 诊断对象和数据说明 | 第117-119页 |
| 6.5.2 非预期故障诊断流程 | 第119-120页 |
| 6.5.3 故障的最优可视化 | 第120-121页 |
| 6.6 结论 | 第121-122页 |
| 第七章 非预期故障诊断工具箱设计 | 第122-131页 |
| 7.1 引言 | 第122页 |
| 7.2 工具箱的特点与理念 | 第122-125页 |
| 7.2.1 非预期故障诊断功能和可视化 | 第122-123页 |
| 7.2.2 基于模型故障诊断的数据驱动设计方法 | 第123页 |
| 7.2.3 残差生成的稳定核表示 | 第123-125页 |
| 7.2.4 丰富的标称数据和验证模型 | 第125页 |
| 7.3 工具箱的设计与实现 | 第125-128页 |
| 7.3.1 方法选择和参数设置 | 第127-128页 |
| 7.3.2 数据导入和预处理 | 第128页 |
| 7.3.3 故障诊断和可视化 | 第128页 |
| 7.4 工具箱的演示 | 第128-130页 |
| 7.5 结论 | 第130-131页 |
| 第八章 结束语 | 第131-133页 |
| 8.1 主要研究工作 | 第131-132页 |
| 8.2 主要创新点 | 第132页 |
| 8.3 工作展望 | 第132-133页 |
| 致谢 | 第133-134页 |
| 参考文献 | 第134-144页 |
| 作者在学期间取得的学术成果 | 第144-146页 |
