基于统计量概率正交分解的故障分离算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 表格索引 | 第12-13页 |
| 插图索引 | 第13-15页 |
| 主要符号对照表 | 第15-16页 |
| 主要术语缩写对照表 | 第16-17页 |
| 第一章 绪论 | 第17-25页 |
| 1.1 课题研究的背景及意义 | 第17-19页 |
| 1.2 故障检测与故障分离的主要内容 | 第19-21页 |
| 1.2.1 故障检测与故障分离的相关概念 | 第19页 |
| 1.2.2 故障检测与故障分离的实现过程 | 第19-21页 |
| 1.3 数据驱动的故障诊断研究现状 | 第21-23页 |
| 1.3.1 基于多元统计分析的方法 | 第21-23页 |
| 1.4 本论文的创新点 | 第23页 |
| 1.5 论文的主要内容安排 | 第23-25页 |
| 第二章 基于因果 MYT 分解的故障分离算法研究 | 第25-49页 |
| 2.1 因果统计量正交分解 | 第25-32页 |
| 2.1.1 贝叶斯网 | 第25-26页 |
| 2.1.2 MYT 分解 | 第26-30页 |
| 2.1.3 因果 MYT 分解 | 第30-32页 |
| 2.2 基于因果 MYT 分解的故障分离算法 | 第32-36页 |
| 2.3 仿真实例：TE 模型 | 第36-44页 |
| 2.3.1 TE 模型平台 | 第36-37页 |
| 2.3.2 故障检测和故障分离实验 | 第37-44页 |
| 2.4 本章小结 | 第44-49页 |
| 第三章 基于高斯混合模型的故障分离算法研究 | 第49-71页 |
| 3.1 高斯混合模型 | 第49-52页 |
| 3.1.1 参数学习 | 第50页 |
| 3.1.2 模型选择 | 第50-52页 |
| 3.1.3 高斯混合模型算法 | 第52页 |
| 3.2 基于混合 MYT 分解的故障分离算法 | 第52-62页 |
| 3.2.1 算法描述 | 第53-54页 |
| 3.2.2 仿真实例：非恒温 CSTR 模型 | 第54-62页 |
| 3.3 基于高斯混合模型的故障分离算法 | 第62-69页 |
| 3.3.1 基于高斯混合模型的故障检测 | 第62-63页 |
| 3.3.2 基于高斯混合模型的故障分离 | 第63-64页 |
| 3.3.3 仿真实验 | 第64-69页 |
| 3.4 本章小结 | 第69-71页 |
| 第四章 数据缺失下的故障分离算法研究 | 第71-85页 |
| 4.1 三种缺失数据 | 第71-73页 |
| 4.1.1 完全随机缺失 | 第72页 |
| 4.1.2 随机缺失 | 第72页 |
| 4.1.3 不可忽略的缺失 | 第72-73页 |
| 4.2 基于多元正态分布的缺失数据故障分离算法 | 第73-76页 |
| 4.2.1 故障检测 | 第73页 |
| 4.2.2 故障分离 | 第73-74页 |
| 4.2.3 仿真实验 | 第74-76页 |
| 4.3 基于高斯混合模型的数据缺失故障分离算法 | 第76-80页 |
| 4.3.1 基于高斯混合模型的数据缺失故障检测 | 第76-78页 |
| 4.3.2 基于高斯混合模型的数据缺失故障分离 | 第78-80页 |
| 4.4 仿真实例 | 第80-83页 |
| 4.4.1 故障检测 | 第81页 |
| 4.4.2 故障分离 | 第81-83页 |
| 4.5 本章小结 | 第83-85页 |
| 第五章 南极微电网监控平台故障检测和故障分离 | 第85-95页 |
| 5.1 项目背景 | 第85-86页 |
| 5.2 南极中山站微电网系统 | 第86-89页 |
| 5.2.1 硬件架构 | 第86页 |
| 5.2.2 软件架构 | 第86-89页 |
| 5.3 微电网系统的蓄电池组的故障检测与故障分离 | 第89-94页 |
| 5.3.1 故障检测 | 第91-93页 |
| 5.3.2 故障分离 | 第93-94页 |
| 5.4 本章小结 | 第94-95页 |
| 全文总结 | 第95-99页 |
| 参考文献 | 第99-107页 |
| 致谢 | 第107-109页 |
| 攻读学位期间发表的学术论文目录 | 第109-111页 |
| 攻读学位期间参与的项目 | 第111-112页 |
| 上海交通大学硕士学位论文答辩决议书 | 第112页 |
