| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 故障诊断方法综述 | 第11-13页 |
| 1.2.1 故障诊断方法分类 | 第11-13页 |
| 1.3 基于统计分析的故障诊断方法 | 第13-15页 |
| 1.3.1 基于重构的故障诊断方法 | 第13-14页 |
| 1.3.2 基于分类的故障诊断方法 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-18页 |
| 1.5 本章小结 | 第18-20页 |
| 第2章 基于嵌套迭代费舍尔判别分析与相对变化的故障诊断方法 | 第20-42页 |
| 2.1 引言 | 第20页 |
| 2.2 传统的NeLFDA方法与RC方法 | 第20-23页 |
| 2.2.1 NeLFDA方法 | 第20-22页 |
| 2.2.2 RC方法 | 第22-23页 |
| 2.3 基于NeLFDA-RC两步分析策略的故障诊断方法 | 第23-34页 |
| 2.3.1 研究动机 | 第23-27页 |
| 2.3.2 数据故障类型预判 | 第27-28页 |
| 2.3.3 NeLFDA-RC两步分析策略 | 第28-31页 |
| 2.3.4 基于概率的故障诊断策略 | 第31-34页 |
| 2.4 验证结果 | 第34-40页 |
| 2.4.1 田纳西-伊斯曼过程验证结果 | 第34-36页 |
| 2.4.2 卷烟制丝过程验证结果 | 第36-40页 |
| 2.5 本章小结 | 第40-42页 |
| 第3章 基于稀疏相对判别分析的故障变量选择算法研究 | 第42-60页 |
| 3.1 引言 | 第42页 |
| 3.2 传统判别分析方法 | 第42-44页 |
| 3.2.1 费舍尔判别分析方法(FDA) | 第42-43页 |
| 3.2.2 故障演化费舍尔判别分析(FDFDA)方法 | 第43-44页 |
| 3.3 故障变量选择方法 | 第44-48页 |
| 3.3.1 逐次变量选择法 | 第45-46页 |
| 3.3.2 系数压缩法 | 第46-48页 |
| 3.4 稀疏相对判别分析方法 | 第48-50页 |
| 3.4.1 稀疏目标函数构造 | 第48-49页 |
| 3.4.2 目标函数求解 | 第49-50页 |
| 3.5 基于稀疏相对判别分析的故障变量选择与根源故障变量追溯 | 第50-52页 |
| 3.5.1 故障变量选择 | 第50-51页 |
| 3.5.2 故障变量因果关系分析 | 第51-52页 |
| 3.6 验证结果 | 第52-58页 |
| 3.6.1 数值仿真验证结果 | 第52-55页 |
| 3.6.2 卷烟过程验证结果 | 第55-58页 |
| 3.7 本章小结 | 第58-60页 |
| 第4章 基于故障变量与正常变量协同分析的故障诊断方法 | 第60-74页 |
| 4.1 引言 | 第60页 |
| 4.2 基于故障变量与正常变量协同分析的建模方法 | 第60-61页 |
| 4.3 基于协同分析的故障诊断方法 | 第61-63页 |
| 4.4 验证结果 | 第63-71页 |
| 4.4.1 卷烟过程验证结果 | 第63-66页 |
| 4.4.2 注塑过程实验结果分析 | 第66-71页 |
| 4.5 本章小结 | 第71-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 全文总结 | 第74-75页 |
| 5.2 工作展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间主要的研究成果 | 第82页 |
