| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-26页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 系统故障传播分析的研究现状 | 第9-12页 |
| 1.3 符号有向图概述 | 第12-16页 |
| 1.3.1 SDG模型的基本概念 | 第12-15页 |
| 1.3.2 SDG模型研究进展 | 第15-16页 |
| 1.4 复杂网络概述 | 第16-22页 |
| 1.4.1 复杂网络的基本概念 | 第16-18页 |
| 1.4.2 复杂网络的基本模型 | 第18-20页 |
| 1.4.3 网络节点重要性 | 第20-21页 |
| 1.4.4 网络传播行为 | 第21-22页 |
| 1.5 本文的研究内容及技术路线 | 第22-24页 |
| 1.5.1 研究内容 | 第22-23页 |
| 1.5.2 技术路线 | 第23-24页 |
| 1.6 课题创新点 | 第24-26页 |
| 2 基于复杂网络的化工过程层次SDG关键节点识别 | 第26-36页 |
| 2.1 层次SDG模型的建立 | 第26-29页 |
| 2.1.1 SDG建模方法概述 | 第26-28页 |
| 2.1.2 层次分析法介绍 | 第28页 |
| 2.1.3 层次SDG建模过程 | 第28-29页 |
| 2.2 网络模型的建立 | 第29-30页 |
| 2.3 基于复杂网络的关键节点识别 | 第30-36页 |
| 2.3.1 节点重要性指标的选取 | 第30-31页 |
| 2.3.2 采用主成分分析法确定指标权重 | 第31-32页 |
| 2.3.3 基于TOPSIS法计算节点重要性 | 第32-33页 |
| 2.3.4 基于LeaderRank算法的节点重要性排序 | 第33-36页 |
| 3 基于小世界网络的化工过程故障传播分析及高风险路径求解 | 第36-46页 |
| 3.1 小世界网络特性判断 | 第36页 |
| 3.2 小世界网络特性对故障传播的影响 | 第36-38页 |
| 3.3 故障传播强度的定义 | 第38-39页 |
| 3.4 最高风险故障传播路径求解 | 第39-46页 |
| 3.4.1 构建故障传播路径求解模型 | 第39页 |
| 3.4.2 求解最高风险故障传播路径的优化算法 | 第39-46页 |
| 3.4.2.1 蚁群算法的基本原理 | 第39-42页 |
| 3.4.2.2 基于蚁群算法的最高风险路径求解 | 第42-46页 |
| 4 案例分析 | 第46-79页 |
| 4.1 TE过程 | 第46-55页 |
| 4.1.1 关键节点识别 | 第48-51页 |
| 4.1.1.1 基于TOPSIS方法识别系统模型中的关键节点 | 第48-50页 |
| 4.1.1.2 基于LeaderRank算法识别子系统模型中的关键节点 | 第50-51页 |
| 4.1.2 最高风险故障传播路径求解 | 第51-55页 |
| 4.2 常压蒸馏过程 | 第55-66页 |
| 4.2.1 关键节点识别 | 第56-62页 |
| 4.2.1.1 基于TOPSIS方法识别系统模型中的关键节点 | 第56-60页 |
| 4.2.1.2 基于LeaderRank算法识别子系统模型中的关键节点 | 第60-62页 |
| 4.2.2 最高风险故障传播路径求解 | 第62-66页 |
| 4.3 蒸汽锅炉系统 | 第66-79页 |
| 4.3.1 关键节点识别 | 第68-72页 |
| 4.3.1.1 基于TOPSIS方法识别系统模型中的关键节点 | 第68-71页 |
| 4.3.1.2 基于LeaderRank算法识别子系统模型中的关键节点 | 第71-72页 |
| 4.3.2 最高风险故障传播路径求解 | 第72-79页 |
| 结论与展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-89页 |
| 攻读学位期间发表的学术论文目录 | 第89-90页 |
