| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-27页 |
| ·课题来源、研究背景及意义 | 第11-12页 |
| ·课题来源 | 第11页 |
| ·研究背景及意义 | 第11-12页 |
| ·故障检测与诊断研究内容、方法 | 第12-23页 |
| ·基于数学模型的方法 | 第14-15页 |
| ·基于知识的方法 | 第15页 |
| ·基于数据驱动的方法 | 第15-20页 |
| ·故障诊断方法 | 第20-23页 |
| ·故障检测与诊断方法的新进展 | 第23-24页 |
| ·基于 one-class SVM 的故障检测 | 第23页 |
| ·基于 NMF 的多元统计的故障检测 | 第23-24页 |
| ·总结 | 第24页 |
| ·本论文主要研究内容和创新点 | 第24-26页 |
| ·研究对象 | 第24-25页 |
| ·创新之处 | 第25-26页 |
| ·论文结构 | 第26-27页 |
| 第二章 解决数据不完整性的 RNMF 降维方法 | 第27-40页 |
| ·引言 | 第27-28页 |
| ·非负矩阵分解的算法 | 第28-34页 |
| ·非负矩阵分解算法的模型及目标函数 | 第28-29页 |
| ·非负矩阵分解算法 | 第29-32页 |
| ·非负矩阵分解初始化方法 | 第32-34页 |
| ·解决数据不完整性的 RNMF 降维方法 | 第34-40页 |
| ·改进的 ALS 算法 | 第34-35页 |
| ·RNMF 算法 | 第35-36页 |
| ·RNMF 算法实验仿真 | 第36-40页 |
| 第三章 SVDD 算法及参数优化 | 第40-49页 |
| ·引言 | 第40-41页 |
| ·S VDD 算法 | 第41-43页 |
| ·线性描述 | 第41-42页 |
| ·非线性描述 | 第42-43页 |
| ·模糊 SVDD 算法 | 第43-44页 |
| ·模糊 SVDD 实验仿真 | 第44-49页 |
| 第四章 基于 RNMF-SVDD 的故障检测与诊断 | 第49-56页 |
| ·引言 | 第49页 |
| ·基于 RNMF-SVDD 的故障检测 | 第49-52页 |
| ·离线训练 | 第50-51页 |
| ·故障检测规则建立 | 第51-52页 |
| ·基于 RNMF-SVDD 的故障诊断 | 第52-56页 |
| ·离线训练 | 第52-53页 |
| ·故障诊断判别规则建立 | 第53-56页 |
| 第五章 实验仿真与总结 | 第56-68页 |
| ·TEP 简介 | 第56-59页 |
| ·基于 RNMF-SVDD 的故障检测实验仿真 | 第59-63页 |
| ·基于 RNMF-SVDD 的故障检测实验仿真 | 第63-66页 |
| ·总结与展望 | 第66-68页 |
| 参考文献 | 第68-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间发表的学位论文 | 第78-79页 |
| 附件 | 第79页 |