| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 研究背景及选题意义 | 第12-15页 |
| 1.2 多模态TE过程故障诊断综述 | 第15-23页 |
| 1.2.1 多模态过程故障检测与诊断方法研究现状 | 第15-19页 |
| 1.2.2 TE过程的故障检测与诊断方法研究现状 | 第19-23页 |
| 1.3 论文主要研究内容 | 第23-25页 |
| 第2章 多模态TE过程仿真模型研究 | 第25-31页 |
| 2.1 TE过程模型概述 | 第25-26页 |
| 2.2 TE过程仿真模型结构以及实验数据来源 | 第26-27页 |
| 2.3 TE过程中的监控变量和故障类型 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于GFCM-VMD-ICA-KPCA的多模态TE过程故障诊断方法研究 | 第31-43页 |
| 3.1 改进的全局模糊C均值聚类算法分析 | 第31-33页 |
| 3.2 基于VMD分解的信号降噪原理 | 第33-35页 |
| 3.3 基于核主成分分析的故障诊断方法 | 第35-39页 |
| 3.3.1 主成分分析 | 第35-36页 |
| 3.3.2 核主成分分析 | 第36-38页 |
| 3.3.3 基于核主成分分析的故障诊断方法 | 第38-39页 |
| 3.4 基于GFCM-VMD-ICA-KPCA的集合型故障诊断方法 | 第39-41页 |
| 3.4.1 算法原理 | 第39-40页 |
| 3.4.2 算法流程 | 第40-41页 |
| 3.5 数值仿真实例 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于大数据Hadoop平台的多模态TE过程故障诊断方法研究 | 第43-53页 |
| 4.1 Hadoop的分布式数据存储系统HDFS | 第43-46页 |
| 4.1.1 HDFS的特性和目标 | 第43-44页 |
| 4.1.2 HDFS架构 | 第44-45页 |
| 4.1.3 HDFS核心设计 | 第45-46页 |
| 4.1.4 HDFS的使用 | 第46页 |
| 4.2 MapReduce计算框架 | 第46-49页 |
| 4.2.1 Hadoop MapReduce功能 | 第46-47页 |
| 4.2.2 MapReduce编程模型与实现原理 | 第47-48页 |
| 4.2.3 MapReduce核心问题 | 第48-49页 |
| 4.3 基于Hadoop大数据平台的多模态TE过程故障诊断 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 多模态TE过程故障诊断方法仿真实验研究 | 第53-68页 |
| 5.1 基于GFCM-VMD-ICA-KPCA的故障诊断方法仿真实验研究 | 第53-61页 |
| 5.1.1 GFCM数据分类 | 第53-54页 |
| 5.1.2 VMD数据预处理 | 第54页 |
| 5.1.3 基于GFCM-VMD-ICA-KPCA的多模态TE过程的实验研究 | 第54-61页 |
| 5.2 基于大数据Hadoop平台的故障诊断方法仿真实验研究 | 第61-67页 |
| 5.2.1 基于Hadoop大数据平台的多模态TE过程数据处理示例 | 第61-65页 |
| 5.2.2 基于RStudio的多模态TE过程故障诊断结果可视化展示 | 第65-67页 |
| 5.3 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第74-75页 |
| 致谢 | 第75-76页 |
