| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 FDD 方法总结 | 第10-13页 |
| 1.2.2 空调系统FDD 的研究现状 | 第13-15页 |
| 1.3 本文工作 | 第15-17页 |
| 第二章 小波神经网络的故障诊断方法 | 第17-29页 |
| 2.1 小波神经网络在故障诊断领域的应用 | 第17-22页 |
| 2.1.1 小波分析用于故障诊断 | 第17-18页 |
| 2.1.2 神经网络用于故障诊断 | 第18-20页 |
| 2.1.3 小波分析和神经网络的结合 | 第20-21页 |
| 2.1.4 小波神经网络的优势 | 第21-22页 |
| 2.2 小波神经网络在空调系统的适用性 | 第22-25页 |
| 2.2.1 传感器故障的分类和特点 | 第22-23页 |
| 2.2.2 基于小波神经网络的方法的引出 | 第23-25页 |
| 2.3 基于小波神经网络方法的诊断步骤 | 第25-27页 |
| 2.3.1 原始数据的小波分析 | 第25-26页 |
| 2.3.2 BP 神经网络的学习和训练 | 第26页 |
| 2.3.3 故障的诊断 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 小波神经网络诊断方法的仿真试验 | 第29-41页 |
| 3.1 仿真试验平台 | 第29-31页 |
| 3.1.1 研究对象 | 第29-30页 |
| 3.1.2 TRNSYS 及仿真器的简介 | 第30-31页 |
| 3.2 故障诊断的仿真试验 | 第31-38页 |
| 3.2.1 固定偏差故障的仿真诊断 | 第31-35页 |
| 3.2.2 漂移偏差故障的仿真诊断 | 第35-38页 |
| 3.3 仿真结果的分析和比较 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于小波神经网络的联合信息诊断 | 第41-64页 |
| 4.1 空调系统的控制 | 第41-44页 |
| 4.1.1 空调的控制系统 | 第41-42页 |
| 4.1.2 空调控制系统的信号关联 | 第42-44页 |
| 4.2 联合信息诊断方法的提出 | 第44-46页 |
| 4.3 空调系统联合诊断模型的建立 | 第46-48页 |
| 4.4 联合信息诊断的仿真验证 | 第48-51页 |
| 4.4.1 模型I 的仿真验证 | 第49页 |
| 4.4.2 模型II 的仿真验证 | 第49-50页 |
| 4.4.3 模型III 的仿真验证 | 第50-51页 |
| 4.4.4 模型IV 的仿真验证 | 第51页 |
| 4.5 仿真结果的分析和比较 | 第51-63页 |
| 4.5.1 训练样本数目对于预测结果影响的比较 | 第52-55页 |
| 4.5.2 不同模型的诊断效果的比较和分析 | 第55-56页 |
| 4.5.3 固定偏差故障与漂移偏差故障的诊断效果的比较 | 第56-60页 |
| 4.5.4 结合单类信息诊断方法的诊断效果的分析和比较 | 第60-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 结论 | 第64-66页 |
| 5.1 本文总结 | 第64-65页 |
| 5.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 作者攻读硕士学位期间发表的论文 | 第71页 |