| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 主要符号说明 | 第9-21页 |
| 1 绪论 | 第21-39页 |
| 1.1 研究背景 | 第21-22页 |
| 1.2 制冷空调系统故障诊断和能耗分析的研究现状 | 第22-34页 |
| 1.3 问题的提出 | 第34-36页 |
| 1.4 本文研究内容 | 第36-39页 |
| 2 基于数据挖掘的制冷空调故障诊断与用能模式识别框架 | 第39-46页 |
| 2.1 制冷空调故障诊断理论 | 第39-40页 |
| 2.2 数据挖掘算法 | 第40-43页 |
| 2.3 基于数据挖掘的制冷空调系统故障诊断与用能模式识别框架 | 第43-44页 |
| 2.4 本章总结 | 第44-46页 |
| 3 基于监督类单分类算法的冷水机组传感器故障检测与诊断 | 第46-74页 |
| 3.1 概述 | 第46-48页 |
| 3.2 支持向量数据描述(SVDD)算法 | 第48-53页 |
| 3.3 基于SVDD算法的传感器故障检测和诊断策略 | 第53-56页 |
| 3.4 螺杆式冷水机组传感器故障诊断模型 | 第56-61页 |
| 3.5 引入的传感器故障 | 第61-62页 |
| 3.6 传感器故障检测和诊断模型的验证结果 | 第62-69页 |
| 3.7 SVDD模型与PCA模型故障诊断性能的对比分析 | 第69-73页 |
| 3.8 本章总结 | 第73-74页 |
| 4 基于PCA-R-SVDD算法的冷水机组热力故障检测性能优化 | 第74-92页 |
| 4.1 概述 | 第74-77页 |
| 4.2 PCA-R-SVDD算法 | 第77-80页 |
| 4.3 基于PCA-R-SVDD方法的故障检测和诊断策略 | 第80-82页 |
| 4.4 离心式冷水机组故障实验数据 | 第82-83页 |
| 4.5 参数检验和模型优化 | 第83-86页 |
| 4.6 验证结果 | 第86-91页 |
| 4.7 本章小结 | 第91-92页 |
| 5 基于SVR算法改进的多联机制冷剂充注量故障水平预测 | 第92-112页 |
| 5.1 概述 | 第92-94页 |
| 5.2 基于SVR算法改进多联机组制冷剂充注量水平预测模型 | 第94-98页 |
| 5.3 多联式空调系统的制冷剂充注量故障数据 | 第98-101页 |
| 5.4 VRC模型的制冷剂充注量故障诊断结果 | 第101-104页 |
| 5.5 改进VRC模型的制冷剂充注量水平预测结果 | 第104-110页 |
| 5.6 本章总结 | 第110-112页 |
| 6 无监督算法多联机故障能耗模式识别和关联规则知识解析 | 第112-136页 |
| 6.1 概述 | 第112-115页 |
| 6.2 数据划分和数据关联挖掘算法 | 第115-118页 |
| 6.3 基于无监督算法的多联机系统故障能耗模式识别和规则挖掘 | 第118-120页 |
| 6.4 数据描述和数据预处理 | 第120-124页 |
| 6.5 数据划分结果——多联机系统能耗模式 | 第124-129页 |
| 6.6 数据关联挖掘结果——多联机系统异常能耗规则 | 第129-135页 |
| 6.7 本章总结 | 第135-136页 |
| 7 结论与展望 | 第136-139页 |
| 7.1 结论 | 第136-137页 |
| 7.2 全文创新点 | 第137-138页 |
| 7.3 后续工作展望 | 第138-139页 |
| 致谢 | 第139-141页 |
| 参考文献 | 第141-157页 |
| 附录1 攻读学位期间发表论文 | 第157-161页 |
| 附录2 攻读博士学位期间参与的科研项目 | 第161-162页 |
| 附录3 个人主要学术经历 | 第162页 |
