| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 气动调节阀故障诊断研究概述 | 第13-18页 |
| 1.2.1 气动调节阀简介 | 第13-14页 |
| 1.2.2 气动调节阀常见故障 | 第14-16页 |
| 1.2.3 气动调节阀故障诊断研究现状 | 第16-18页 |
| 1.3 本文主要研究内容 | 第18-20页 |
| 2 DAMADICS平台 | 第20-40页 |
| 2.1 引言 | 第20页 |
| 2.2 DAMADICS平台气动调节阀模型 | 第20-31页 |
| 2.2.1 模型介绍 | 第21-24页 |
| 2.2.2 故障概述 | 第24-29页 |
| 2.2.3 故障仿真 | 第29-31页 |
| 2.3 基于DAMADICS平台的气动调节阀故障诊断标准 | 第31-38页 |
| 2.3.1 故障诊断标准定义 | 第32-35页 |
| 2.3.2 故障诊断性能指标 | 第35-38页 |
| 2.4 本章小结 | 第38-40页 |
| 3 基于支持向量机与极限学习机的气动调节阀故障诊断 | 第40-58页 |
| 3.1 引言 | 第40-41页 |
| 3.2 统计学习方法介绍 | 第41-50页 |
| 3.2.1 支持向量机 | 第41-46页 |
| 3.2.2 极限学习机 | 第46-50页 |
| 3.3 基于统计学习的气动调节阀故障诊断 | 第50-57页 |
| 3.3.1 基于支持向量机的气动调节阀故障诊断 | 第50-56页 |
| 3.3.2 基于极限学习机的气动调节阀故障诊断 | 第56-57页 |
| 3.3.3 方法比较与讨论 | 第57页 |
| 3.4 本章小结 | 第57-58页 |
| 4 基于贝叶斯极限学习机的气动调节阀故障诊断 | 第58-76页 |
| 4.1 引言 | 第58-59页 |
| 4.2 稀疏性贝叶斯极限学习机 | 第59-67页 |
| 4.2.1 SBELM模型 | 第59-62页 |
| 4.2.2 模型稀疏性与样本选择 | 第62-64页 |
| 4.2.3 模型预测概率分布 | 第64页 |
| 4.2.4 应用仿真 | 第64-67页 |
| 4.3 隐层节点个数稀疏性研究 | 第67-74页 |
| 4.3.1 稀疏性回归分析 | 第67-69页 |
| 4.3.2 应用仿真 | 第69-74页 |
| 4.4 本章小结 | 第74-76页 |
| 5 工业应用 | 第76-82页 |
| 5.1 引言 | 第76页 |
| 5.2 制糖工艺及气动调节阀 | 第76-77页 |
| 5.3 故障诊断方法应用比较 | 第77-80页 |
| 5.4 本章小结 | 第80-82页 |
| 6 总结与展望 | 第82-84页 |
| 6.1 工作总结 | 第82-83页 |
| 6.2 研究展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 作者简历 | 第90-91页 |
| 攻读学位期间取得的研究成果 | 第91页 |