| 学位论齐数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题来源 | 第12页 |
| 1.2 课题背景及研究意义 | 第12-13页 |
| 1.3 国内外研究发展现状 | 第13-17页 |
| 1.3.1 故障检测的基本概念 | 第13-14页 |
| 1.3.2 故障检测方法分类 | 第14-17页 |
| 1.4 课题研究内容 | 第17-18页 |
| 1.5 论文组织结构 | 第18-20页 |
| 第二章 故障检测方法基本理论与仿真平台介绍 | 第20-34页 |
| 2.1 主元成分分析方法(PCA) | 第20-22页 |
| 2.1.1 PCA故障检测流程 | 第20页 |
| 2.1.2 PCA的算法描述 | 第20-22页 |
| 2.2 独立成分分析方法(ICA) | 第22-25页 |
| 2.2.1 ICA故障检测流程 | 第23页 |
| 2.2.2 ICA的算法描述 | 第23-25页 |
| 2.3 相关向量机(RVM) | 第25-27页 |
| 2.4 Tennessee Eastman过程(TEP) | 第27-33页 |
| 2.4.1 TEP的原理介绍 | 第27-28页 |
| 2.4.2 TEP的变量介绍 | 第28-32页 |
| 2.4.3 TEP的故障类型介绍 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于ICA与RVM的故障检测应用研究 | 第34-52页 |
| 3.1 基于ICA-RVM的故障检测算法流程 | 第34-37页 |
| 3.1.1 算法设计 | 第34-35页 |
| 3.1.2 离线建模 | 第35-37页 |
| 3.1.3 在线监测 | 第37页 |
| 3.2 仿真验证与分析 | 第37-51页 |
| 3.2.1 PCA-RVM与PCA比较 | 第38-43页 |
| 3.2.2 ICA-RVM与PCA-RVM比较 | 第43-48页 |
| 3.2.3 ICA-RVM与ICA-SVM比较 | 第48-49页 |
| 3.2.4 结果汇总分析 | 第49-51页 |
| 3.3 本章小节 | 第51-52页 |
| 第四章 基于ICA-PCA与RVM的故障检测应用研究 | 第52-68页 |
| 4.1 基于ICA-PCA-RVM的故障检测算法流程 | 第52-56页 |
| 4.1.1 算法设计 | 第52-53页 |
| 4.1.2 离线建模 | 第53-55页 |
| 4.1.3 在线监测 | 第55-56页 |
| 4.2 仿真验证与分析 | 第56-66页 |
| 4.2.1 ICA-PCA-RVM与PCA-ICA-RVM比较 | 第56-60页 |
| 4.2.2 ICA-PCA-RVM与ICA-PCA-SVM比较 | 第60-63页 |
| 4.2.3 ICA-PCA-RVM与ICA-RVM比较 | 第63-65页 |
| 4.2.4 结果汇总分析 | 第65-66页 |
| 4.3 本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68页 |
| 5.2 工作展望 | 第68-70页 |
| 参考文献 | 第70-78页 |
| 致谢 | 第78-80页 |
| 研究成果及发表的学术论文 | 第80-82页 |
| 作者和导师简介 | 第82-84页 |
| 附件 | 第84-85页 |
