| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 引言 | 第11页 |
| 1.2 复杂工业过程监控与故障识别研究现状 | 第11-12页 |
| 1.3 极限学习机研究现状 | 第12-13页 |
| 1.4 论文的主要研究内容及结构安排 | 第13-15页 |
| 第2章 基于ELM的复杂工业过程故障识别 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 极限学习机基本原理 | 第15-17页 |
| 2.3 基于ELM的分类算法 | 第17-18页 |
| 2.4 仿真实例 | 第18-25页 |
| 2.4.1 TE过程简介 | 第18-19页 |
| 2.4.2 基于ELM的TE过程故障识别仿真 | 第19-22页 |
| 2.4.3 ELM分类算法与SVM分类算法性能比较 | 第22-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于PCA-ELM的复杂工业过程故障识别 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 主成分分析 | 第27-28页 |
| 3.3 基于PCA-ELM的分类算法 | 第28-29页 |
| 3.4 仿真实例 | 第29-35页 |
| 3.4.1 基于PCA-ELM的TE过程故障识别仿真 | 第29-31页 |
| 3.4.2 PCA-ELM分类算法与ELM分类算法性能比较 | 第31-33页 |
| 3.4.3 PCA-ELM分类算法与PCA-SVM分类算法性能比较 | 第33-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 基于单分类优化PCA-ELM的复杂工业过程故障识别 | 第37-59页 |
| 4.1 引言 | 第37页 |
| 4.2 单分类故障识别方式 | 第37-39页 |
| 4.3 基于One-Class-PCA-ELM的分类算法 | 第39-44页 |
| 4.4 基于Improved-One-Class-PCA-ELM的分类算法 | 第44-48页 |
| 4.5 仿真实例 | 第48-57页 |
| 4.5.1 基于One-Class-PCA-ELM的TE过程故障识别仿真 | 第48-52页 |
| 4.5.2 基于Improved-One-Class-PCA-ELM的TE过程故障识别仿真 | 第52-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第5章 核电站反应堆冷却剂系统故障识别仿真应用 | 第59-71页 |
| 5.1 核电站反应堆冷却剂系统(RCP)简介 | 第59-61页 |
| 5.1.1 核电站总体介绍 | 第59-60页 |
| 5.1.2 核电站反应堆冷却剂系统介绍 | 第60-61页 |
| 5.1.3 故障数据集选取 | 第61页 |
| 5.2 核电站反应堆冷却剂系统故障识别仿真应用 | 第61-70页 |
| 5.2.1 基于ELM与PCA-ELM的核电站RCP系统故障识别仿真应用 | 第61-65页 |
| 5.2.2 基于One-Class-PCA-ELM及其优化算法的核电站RCP系统故障识别仿真应用 | 第65-69页 |
| 5.2.3 仿真应用结果对比与分析 | 第69-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 本文总结 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-81页 |
| 在学期间取得的科研成果 | 第81-82页 |
| 作者简介 | 第82页 |
