| 摘要 | 第13-16页 |
| ABSTRACT | 第16-19页 |
| 第1章 绪论 | 第20-34页 |
| 1.1 课题研究目的与意义 | 第20-21页 |
| 1.2 基于数据驱动的故障诊断方法概况 | 第21-26页 |
| 1.2.1 故障诊断主要方法 | 第21-23页 |
| 1.2.2 基于数据驱动的故障诊断方法 | 第23-24页 |
| 1.2.3 基于支持向量机的故障诊断方法研究概况 | 第24-26页 |
| 1.3 调节阀故障诊断研究综述 | 第26-31页 |
| 1.3.1 调节阀常见故障类型 | 第26页 |
| 1.3.2 调节阀故障诊断方法国内外研究概况 | 第26-29页 |
| 1.3.3 基于数据驱动的调节阀故障诊断的关键问题及拟解决方法 | 第29-31页 |
| 1.4 论文的主要内容与体系结构 | 第31-34页 |
| 第2章 调节阀故障诊断方法理论基础 | 第34-50页 |
| 2.1 统计学习基本理论 | 第34-37页 |
| 2.2 支持向量机分类 | 第37-43页 |
| 2.2.1 支持向量机二分类 | 第37-41页 |
| 2.2.2 常用支持向量机多分类方法 | 第41-43页 |
| 2.3 支持向量机回归 | 第43-45页 |
| 2.4 最小二乘支持向量机 | 第45-46页 |
| 2.5 调节阀流体动力学模型 | 第46-49页 |
| 2.6 本章小结 | 第49-50页 |
| 第3章 调节阀故障模拟试验 | 第50-60页 |
| 3.1 故障类型设置 | 第50-51页 |
| 3.2 试验系统设计 | 第51-55页 |
| 3.2.1 调节阀采样参数的选择 | 第51页 |
| 3.2.2 试验平台气路设计 | 第51-53页 |
| 3.2.3 试验平台电气回路 | 第53-54页 |
| 3.2.4 数据采集与诊断软件系统设计 | 第54-55页 |
| 3.3 故障模拟试验方法 | 第55-59页 |
| 3.3.1 泄漏故障模拟 | 第55-56页 |
| 3.3.2 卡堵故障模拟 | 第56-57页 |
| 3.3.3 故障状态下故障特征与输入参数的关系 | 第57-59页 |
| 3.4 本章小结 | 第59-60页 |
| 第4章 调节阀LS-SVM回归模型及其参数优化方法研究 | 第60-72页 |
| 4.1 基于LS-SVM回归的调节阀预测模型 | 第60-65页 |
| 4.1.1 调节阀LS-SVM模型 | 第60-61页 |
| 4.1.2 调节阀LS-SVM模型最优输入特征向量优选试验 | 第61-65页 |
| 4.2 基于果蝇算法的LS-SVM参数优化方法 | 第65-69页 |
| 4.2.1 LS-SVM参数对预测性能的影响 | 第65-66页 |
| 4.2.2 果蝇优化算法基本原理 | 第66-67页 |
| 4.2.3 基于果蝇优化算法的LS-SVM参数优化步骤 | 第67-69页 |
| 4.3 果蝇优化算法在调节阀压力预测中的应用 | 第69-71页 |
| 4.3.1 试验数据样本 | 第69-70页 |
| 4.3.2 试验结果 | 第70-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第5章 调节阀LS-SVM与Hammerstein集成预测模型 | 第72-90页 |
| 5.1 基于LS-SVM的Hammerstein辨识 | 第72-76页 |
| 5.1.1 Hammerstein模型基本结构 | 第72-73页 |
| 5.1.2 基于LS-SVM的非线性MISO Hammerstein模型 | 第73-76页 |
| 5.2 调节阀集成故障预测模型的建立与评估 | 第76-83页 |
| 5.2.1 建模过程 | 第76-77页 |
| 5.2.2 模型预测结果分析 | 第77-79页 |
| 5.2.3 与其他模型预测性能对比 | 第79-83页 |
| 5.3 预测模型小波去噪处理 | 第83-88页 |
| 5.3.1 调节阀集成预测模型噪声敏感性分析 | 第83-85页 |
| 5.3.2 小波去噪基本原理 | 第85页 |
| 5.3.3 小波去噪试验结果 | 第85-88页 |
| 5.4 本章小结 | 第88-90页 |
| 第6章 基于残差控制图的调节阀故障检测方法 | 第90-104页 |
| 6.1 各类故障状态预测模型输出 | 第90-94页 |
| 6.2 基于残差控制图的故障检测方法 | 第94-100页 |
| 6.2.1 残差控制图 | 第94-96页 |
| 6.2.2 残差控制图故障检测应用 | 第96-100页 |
| 6.3 基于残差控制图的故障检测规则库 | 第100-102页 |
| 6.4 本章小结 | 第102-104页 |
| 第7章 调节阀故障分离及故障诊断系统实现 | 第104-121页 |
| 7.1 样本异常数据清洗方法 | 第104-110页 |
| 7.1.1 异常样本对LS-SVM分类的影响 | 第104-106页 |
| 7.1.2 基于LS-SVM分类的异常数据清洗方法 | 第106-107页 |
| 7.1.3 基于改进局部离群因子的异常数据清洗方法 | 第107-110页 |
| 7.2 调节阀故障分类异常数据清洗的应用 | 第110-114页 |
| 7.2.1 调节阀异常数据清洗流程 | 第110-111页 |
| 7.2.2 基于LS-SVM分类的参照集异常数据清洗 | 第111-112页 |
| 7.2.3 基于MDLOF的训练集与测试集异常数据清洗 | 第112-114页 |
| 7.3 基于滑动窗口技术的调节阀综合故障诊断系统 | 第114-119页 |
| 7.3.1 滑动窗口技术简介 | 第114页 |
| 7.3.2 基于滑动窗口的调节阀故障诊断流程 | 第114-116页 |
| 7.3.3 应用结果及分析 | 第116-119页 |
| 7.4 本章小结 | 第119-121页 |
| 结论与展望 | 第121-125页 |
| 附录 | 第125-130页 |
| 参考文献 | 第130-143页 |
| 致谢 | 第143-144页 |
| 攻读博士期间发表的论文及科研情况 | 第144-145页 |
| 附件 | 第145-165页 |
| 学位论文评阅及答辩情况表 | 第165页 |
