| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本论文的主要创新点 | 第13页 |
| 1.4 本论文的主要研究内容和组织结构 | 第13-16页 |
| 第2章 相关理论概述 | 第16-30页 |
| 2.1 设备故障检测 | 第16-18页 |
| 2.1.1 设备故障检测的基本概念 | 第16-17页 |
| 2.1.2 故障检测的研究内容 | 第17页 |
| 2.1.3 故障检测参数分类 | 第17-18页 |
| 2.1.4 检测参数的选择 | 第18页 |
| 2.2 故障检测技术常用方法 | 第18-20页 |
| 2.3 基于数据驱动的故障检测方法 | 第20-25页 |
| 2.3.1 基于数据驱动的分类算法总结 | 第21-24页 |
| 2.3.2 基于贝叶斯算法的故障检测方法 | 第24-25页 |
| 2.4 贝叶斯算法 | 第25-30页 |
| 2.4.1 贝叶斯算法的研究背景 | 第25-26页 |
| 2.4.2 贝叶斯算法理论概述 | 第26-30页 |
| 第3章 基于多元线性回归模型的改进加权朴素贝叶斯分类算法 | 第30-38页 |
| 3.1 多元线性回归模型简介 | 第30-33页 |
| 3.1.1 线性回归的数学模型 | 第31-32页 |
| 3.1.2 多元线性回归模型 | 第32-33页 |
| 3.2 基于多元线性回归模型的改进加权朴素贝叶斯分类算法 | 第33-34页 |
| 3.3 实验结果分析 | 第34-36页 |
| 3.4 小结 | 第36-38页 |
| 第4章 一种基于改进的MLWNBC的TE过程故障检测方法 | 第38-48页 |
| 4.1 TE过程故障检测简介 | 第38-41页 |
| 4.2 基于MLWNBC的故障检测模型 | 第41-42页 |
| 4.3 TE过程模型故障检测结果及分析 | 第42-47页 |
| 4.3.1 基于MLWNBC的TE过程故障检测结果及分析 | 第42-44页 |
| 4.3.2 变量属性选择 | 第44页 |
| 4.3.3 算法步骤 | 第44-45页 |
| 4.3.4 实验结果与分析 | 第45-47页 |
| 4.4 小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-58页 |
| 在学期间主要科研成果 | 第58页 |
| 一、发表学术论文 | 第58页 |
| 二、其他科研成果 | 第58页 |
