| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第12-30页 |
| 1.1 课题来源 | 第12页 |
| 1.2 课题研究背景及意义 | 第12-14页 |
| 1.3 设备状态监测与故障诊断技术的研究现状 | 第14-22页 |
| 1.4 人工免疫系统主要机理及故障诊断应用研究现状 | 第22-28页 |
| 1.4.1 克隆选择算法及故障诊断应用 | 第22-24页 |
| 1.4.2 免疫网络及故障诊断应用 | 第24-26页 |
| 1.4.3 反面选择算法及故障诊断应用 | 第26-28页 |
| 1.5 论文章节安排 | 第28-30页 |
| 第2章 超环检测器概念及其描述 | 第30-46页 |
| 2.1 人工免疫系统反面选择算法 | 第30-32页 |
| 2.1.1 生物免疫系统反面选择机理 | 第30-31页 |
| 2.1.2 人工免疫系统反面选择算法 | 第31-32页 |
| 2.2 现有反面选择算法检测器类型及存在问题 | 第32-39页 |
| 2.2.1 检测器类型 | 第32-39页 |
| 2.2.2 存在的问题 | 第39页 |
| 2.3 超环检测器研究 | 第39-45页 |
| 2.3.1 设备状态空间划分 | 第39-41页 |
| 2.3.2 超环检测器概念及描述方法 | 第41-44页 |
| 2.3.3 超环检测器构建存在问题及解决方案 | 第44-45页 |
| 2.4 本章小结 | 第45-46页 |
| 第3章 基于约简记忆样本超环检测器的设备异常监测研究 | 第46-66页 |
| 3.1 自己样本约简记忆中心超环检测器构建策略 | 第46-52页 |
| 3.1.1 自己空间约简记忆中心确定方法 | 第48-51页 |
| 3.1.2 基于 aiNet 约简记忆中心的超环检测器构建算法 | 第51-52页 |
| 3.2 约简记忆中心超环检测器异常监测应用研究 | 第52-64页 |
| 3.2.1 Iris 数据仿真研究 | 第52-62页 |
| 3.2.2 滚动轴承试验研究 | 第62-64页 |
| 3.3 本章小结 | 第64-66页 |
| 第4章 基于 SVDD 的广义超环检测器生成及设备异常监测研究 | 第66-79页 |
| 4.1 广义超环检测器概念 | 第66-72页 |
| 4.1.1 支持向量数据描述(SVDD)算法概述 | 第67-69页 |
| 4.1.2 支持向量数据描述(SVDD)方法产生广义超环检测器基本构思 | 第69-70页 |
| 4.1.3 设备异常程度的多分辨率特性 | 第70-72页 |
| 4.2 设备异常监测过程 | 第72-73页 |
| 4.3 标准数据集的仿真试验及实例分析 | 第73-77页 |
| 4.3.1 Iris 数据仿真试验研究 | 第73-75页 |
| 4.3.2 滚动轴承故障数据试验研究 | 第75-77页 |
| 4.4 本章小结 | 第77-79页 |
| 第5章 广义超环检测器与抗原-抗体免疫识别方法联合故障诊断研究 | 第79-94页 |
| 5.1 抗体识别抗原的免疫学机理 | 第79-82页 |
| 5.2 基于抗原-抗体免疫识别机理的模式识别方法 | 第82-89页 |
| 5.2.1 抗原-抗体免疫识别机理模式识别方法描述 | 第82-84页 |
| 5.2.2 抗原-抗体结合机理模式识别方法效果验证 | 第84-89页 |
| 5.3 广义超环检测器与故障空间的快速反应研究 | 第89-92页 |
| 5.3.1 设备自己空间、异常子空间以及故障子空间的划分 | 第89-91页 |
| 5.3.2 超环检测器与故障空间快速通信步骤 | 第91页 |
| 5.3.3 超环检测器与故障空间一体化故障诊断方法 | 第91-92页 |
| 5.4 本章小结 | 第92-94页 |
| 第6章 结论与展望 | 第94-96页 |
| 6.1 结论 | 第94-95页 |
| 6.2 展望 | 第95-96页 |
| 参考文献 | 第96-109页 |
| 作者在攻读博士学位期间公开发表的论文 | 第109-110页 |
| 作者在攻读博士学位期间所作的项目 | 第110-111页 |
| 致谢 | 第111-112页 |
