| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·引言 | 第9-10页 |
| ·过程监控的基本内容 | 第10-13页 |
| ·过程监控的基本步骤 | 第10-11页 |
| ·过程监控方法 | 第11-13页 |
| ·故障诊断 | 第13-15页 |
| ·本文的研究内容及意义 | 第15-16页 |
| 第2章 基于主元分析方法(PCA)的故障检测 | 第16-27页 |
| ·主元分析方法(PCA) | 第16-19页 |
| ·主元分析方法的发展现状及其基本理论 | 第16-18页 |
| ·主元分析方法在过程监控中的应用 | 第18-19页 |
| ·统计量和统计量控制限在故障检测中的应用 | 第19-21页 |
| ·费舍尔数据的仿真实现 | 第21-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于PCA_SVM的多故障识别方法 | 第27-44页 |
| ·分类方法简介 | 第27-31页 |
| ·SVM方法 | 第28-31页 |
| ·KNN方法 | 第31页 |
| ·PCA_SVM多故障识别方法 | 第31-34页 |
| ·实验仿真 | 第34-43页 |
| ·TEP过程介绍 | 第34-38页 |
| ·TE过程的故障检测 | 第38-40页 |
| ·TE过程的PCA_SVM多故障识别 | 第40页 |
| ·PCA_SVM方法和其他分类方法的比较 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于流行学习方法的集成SVM(LTSA_CSVM)方法在多故障识别中应用 | 第44-56页 |
| ·流形学习方法 | 第44-47页 |
| ·流行学习的发展 | 第44-45页 |
| ·流形学习的算法 | 第45-46页 |
| ·局部切空间整合算法(LTSA) | 第46-47页 |
| ·集成机器学习方法概述 | 第47-50页 |
| ·集成模式识别方法 | 第47页 |
| ·集成SVM分类器 | 第47-50页 |
| ·基于LTSA_CSVM(LTSA_CSVM)故障识别实验仿真 | 第50-55页 |
| ·实验过程描述 | 第50-51页 |
| ·实验仿真 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| ·本文总结 | 第56页 |
| ·本课题的展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的论文 | 第64页 |