摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第12-21页 |
1.1 课题研究背景及意义 | 第12-14页 |
1.1.1 研究背景 | 第12-13页 |
1.1.2 研究意义 | 第13-14页 |
1.2 间歇过程特性分析 | 第14-15页 |
1.3 研究现状与发展趋势 | 第15-19页 |
1.3.1 航空界 | 第15-18页 |
1.3.2 学术界 | 第18-19页 |
1.4 论文的主要研究内容 | 第19-21页 |
第二章 数学基础 | 第21-27页 |
2.1 协方差矩阵 | 第21-22页 |
2.2 核函数方法 | 第22-24页 |
2.3 K最近邻(K-Nearest Neighbor,KNN)算法 | 第24-25页 |
2.4 粒子群(Particle Swarm Optimization,PSO)算法 | 第25-26页 |
2.5 本章小结 | 第26-27页 |
第三章 基于多向主成分分析法(MPCA)的间歇过程故障诊断 | 第27-39页 |
3.1 主成分分析法(PCA)基本原理 | 第27-28页 |
3.2 基于MPCA的间歇过程监测 | 第28-32页 |
3.2.1 数据预处理 | 第28-29页 |
3.2.2 基于MPCA的子时段划分 | 第29-30页 |
3.2.3 基于MPCA的子时段建模 | 第30-31页 |
3.2.4 基于MPCA的在线监测 | 第31-32页 |
3.2.5 基于MPCA的故障定位及故障贡献率分析 | 第32页 |
3.3 MPCA算法仿真实验 | 第32-38页 |
3.3.1 仿真实验设计 | 第32-34页 |
3.3.2 基于MPCA的子时段划分实验 | 第34-35页 |
3.3.3 基于MPCA的在线监测及故障定位实验 | 第35-38页 |
3.4 本章小结 | 第38-39页 |
第四章 基于多向信息增量矩阵法(MBEAM)的间歇过程监测 | 第39-53页 |
4.1 信息增量矩阵法(BEAM)基本原理 | 第39-41页 |
4.2 基于MBEAM的间歇过程监测 | 第41-48页 |
4.2.1 数据预处理 | 第41-42页 |
4.2.2 基于MBEAM的子时段划分 | 第42-44页 |
4.2.3 针对MBEAM算法分段参数的讨论 | 第44页 |
4.2.4 基于MBEAM的子时段建模 | 第44-46页 |
4.2.5 基于MBEAM的在线监测 | 第46-47页 |
4.2.6 基于MBEAM的故障定位及故障贡献率分析 | 第47-48页 |
4.3 MBEAM算法仿真实验 | 第48-52页 |
4.3.1 仿真实验设计 | 第48页 |
4.3.2 基于MBEAM的子时段划分实验 | 第48-50页 |
4.3.3 基于MBEAM的在线监测及故障定位实验 | 第50-52页 |
4.4 本章小结 | 第52-53页 |
第五章 基于自适应KPCA和MBEAM融合方法的间歇过程监测 | 第53-63页 |
5.1 核主成分分析法(KPCA)基本原理 | 第53-55页 |
5.2 PSO-KPCA方法 | 第55-58页 |
5.3 基于自适应KPCA和MBEAM融合算法的间歇过程监测 | 第58-59页 |
5.4 融合算法仿真实验 | 第59-62页 |
5.4.1 仿真实验设计 | 第59-60页 |
5.4.2 实验结果 | 第60-62页 |
5.4.3 在线监测及故障定位结果分析 | 第62页 |
5.5 本章小结 | 第62-63页 |
第六章 舵机实验平台原理介绍及实验验证 | 第63-74页 |
6.1 舵机实验平台原理介绍及实验数据选取 | 第63-65页 |
6.2 基于舵机平台的实验验证 | 第65-73页 |
6.2.1 实验一正弦电流环控制下的在线监测实验 | 第65-69页 |
6.2.2 实验二方波电流环控制下的在线监测实验 | 第69-73页 |
6.3 本章小结 | 第73-74页 |
第七章 总结与展望 | 第74-76页 |
致谢 | 第76-77页 |
参考文献 | 第77-84页 |
作者简介 | 第84页 |