| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文内容安排 | 第14-16页 |
| 第二章 化工故障诊断概述 | 第16-26页 |
| 2.1 Tennessee Eastman化工过程 | 第16-18页 |
| 2.1.1 过程变量 | 第16页 |
| 2.1.2 过程故障 | 第16-18页 |
| 2.2 相关故障诊断方法 | 第18-25页 |
| 2.2.1 特征提取方法 | 第18-22页 |
| 2.2.2 多元统计方法 | 第22-23页 |
| 2.2.3 特征选择方法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于高斯核支持向量机递归特征消除的故障诊断模型 | 第26-51页 |
| 3.1 支持向量机递归特征消除 | 第26-27页 |
| 3.2 基于高斯核支持向量机递归特征消除的故障诊断 | 第27-30页 |
| 3.2.1 高斯核支持向量机递归特征消除方法 | 第27-28页 |
| 3.2.2 核参数选择 | 第28-29页 |
| 3.2.3 故障诊断模型 | 第29-30页 |
| 3.3 实验结果与分析 | 第30-50页 |
| 3.3.1 核参数分析 | 第31-32页 |
| 3.3.2 特征选择方法对比 | 第32-37页 |
| 3.3.3 故障诊断模型对比 | 第37-42页 |
| 3.3.4 Tennessee Eastman故障分析 | 第42-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 基于KL散度特征选择方法的故障诊断模型 | 第51-63页 |
| 4.1 KL散度简介 | 第51-52页 |
| 4.2 基于KL散度特征选择方法的故障诊断 | 第52-56页 |
| 4.2.1 KL散度特征选择方法 | 第52-55页 |
| 4.2.2 故障诊断模型 | 第55-56页 |
| 4.3 实验结果与分析 | 第56-61页 |
| 4.3.1 特征选择方法对比 | 第56-58页 |
| 4.3.2 故障诊断模型对比 | 第58-61页 |
| 4.4 小结 | 第61-63页 |
| 第五章 基于特征相异性的故障诊断模型 | 第63-76页 |
| 5.1 基于KL变换的相异性度量 | 第63-64页 |
| 5.2 基于特征相异性的故障诊断 | 第64-69页 |
| 5.2.1 特征相异性的特征选择方法 | 第64-67页 |
| 5.2.2 故障诊断模型 | 第67-69页 |
| 5.3 实验结果与分析 | 第69-74页 |
| 5.3.1 部分故障数据 | 第69-71页 |
| 5.3.2 21种故障数据 | 第71-74页 |
| 5.4 本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间发表的论文 | 第83-85页 |
| 致谢 | 第85-86页 |
