| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-21页 |
| 1.1 研究目的及意义 | 第8-9页 |
| 1.2 故障诊断的基本问题 | 第9-11页 |
| 1.2.1 故障诊断的由来 | 第9页 |
| 1.2.2 故障诊断的任务 | 第9-10页 |
| 1.2.3 故障诊断的评价指标 | 第10-11页 |
| 1.3 非线性系统故障诊断的研究现状 | 第11-19页 |
| 1.3.1 基于解析模型的方法 | 第11-16页 |
| 1.3.2 基于信号处理的方法 | 第16-17页 |
| 1.3.3 基于知识的方法 | 第17-19页 |
| 1.4 本文主要研究内容 | 第19-21页 |
| 第2章 几种常见聚类算法 | 第21-49页 |
| 2.1 模糊数学理论 | 第21-23页 |
| 2.1.1 模糊集合的表示方法和运算 | 第21-23页 |
| 2.1.2 模糊集合的基本定理 | 第23页 |
| 2.2 模糊聚类分析 | 第23-25页 |
| 2.2.1 模糊聚类分析的定义 | 第24页 |
| 2.2.2 模糊聚类分析的分类 | 第24-25页 |
| 2.3 硬C-均值聚类算法（HCM） | 第25-26页 |
| 2.4 模糊C-均值聚类算法（FCM） | 第26-32页 |
| 2.4.1 FCM算法原理和设计步骤 | 第26-29页 |
| 2.4.2 FCM算法数据实验 | 第29-32页 |
| 2.5 可能性C-均值聚类算法（PCM） | 第32-36页 |
| 2.5.1 PCM算法原理和设计步骤 | 第32-34页 |
| 2.5.2 PCM算法数据实验 | 第34-36页 |
| 2.6 可能性模糊C-均值聚类算法(PFCM) | 第36-48页 |
| 2.6.1 PFCM算法原理和设计步骤 | 第36-38页 |
| 2.6.2 PFCM算法数据实验 | 第38-40页 |
| 2.6.3 基于PFCM算法的故障诊断 | 第40-48页 |
| 2.7 本章小结 | 第48-49页 |
| 第3章 基于马氏距离的PFCM算法 | 第49-59页 |
| 3.1 马氏距离 | 第49-50页 |
| 3.2 基于马氏距离的PFCM算法（PFCM-M） | 第50-58页 |
| 3.2.1 PFCM-M算法原理和设计步骤 | 第50-51页 |
| 3.2.2 PFCM-M算法的数据实验 | 第51-54页 |
| 3.2.3 基于PFCM-M算法的故障诊断 | 第54-58页 |
| 3.3 本章小结 | 第58-59页 |
| 第4章 基于PCA和PFCM-M算法的故障诊断 | 第59-71页 |
| 4.1 主成分分析（PCA） | 第59-60页 |
| 4.2 实验验证 | 第60-70页 |
| 4.2.1 历史样本数据 | 第60-63页 |
| 4.2.2 在线故障诊断 | 第63-70页 |
| 4.3 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-79页 |
| 致谢 | 第79页 |