| 摘要 | 第4-6页 |
| ABSTRACTS | 第6-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题来源 | 第13页 |
| 1.2 课题背景及研究意义 | 第13-14页 |
| 1.3 国内外研究发展现状 | 第14-18页 |
| 1.3.1 故障预测的基本概念 | 第14-15页 |
| 1.3.2 故障预测方法分类 | 第15-18页 |
| 1.4 课题研究内容 | 第18-19页 |
| 1.5 论文组织结构 | 第19-21页 |
| 第二章 TE过程及EFSM模型介绍 | 第21-29页 |
| 2.1 TE过程的介绍 | 第21-26页 |
| 2.1.1 TE过程的原理 | 第21-22页 |
| 2.1.2 TE过程变量和故障类型 | 第22-26页 |
| 2.2 EFSM模型介绍 | 第26-28页 |
| 2.2.1 EFSM模型概述 | 第26页 |
| 2.2.2 EFSM的路径和迁移 | 第26-27页 |
| 2.2.3 EFSM的依赖关系 | 第27-28页 |
| 2.3 本章小节 | 第28-29页 |
| 第三章 基于时延EFSM和反馈差分ELM的故障预测应用研究 | 第29-47页 |
| 3.1 时延EFSM | 第29-31页 |
| 3.1.1 TDMI概述 | 第29-30页 |
| 3.1.2 时延EFSM的构建 | 第30-31页 |
| 3.2 反馈差分ELM | 第31-36页 |
| 3.2.1 ELM神经网络 | 第32-34页 |
| 3.2.2 差分优化ELM神经网络 | 第34-35页 |
| 3.2.3 反馈差分ELM及其模型构建 | 第35-36页 |
| 3.3 基于时延EFSM和反馈差分ELM的故障预测方法 | 第36-39页 |
| 3.4 实验验证 | 第39-45页 |
| 3.4.1 TE过程的时延EFSM模型 | 第39-41页 |
| 3.4.2 TE过程的反馈差分ELM预测模型 | 第41-43页 |
| 3.4.3 TE过程的故障识别 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于时延EFSM和RVM的多故障预测应用研究 | 第47-59页 |
| 4.1 TE过程多故障 | 第47页 |
| 4.2 RVM算法及其基本原理 | 第47-49页 |
| 4.3 基于时延EFSM和RVM的多故障预测方法 | 第49-51页 |
| 4.4 实验验证 | 第51-58页 |
| 4.4.1 TE过程的多故障时延EFSM模型 | 第52-54页 |
| 4.4.2 TE过程多故障RVM预测 | 第54-56页 |
| 4.4.3 TE过程多故障推理和识别 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 研究成果及发表的学术论文 | 第67-69页 |
| 作者和导师简介 | 第69-70页 |
| 附件 | 第70-71页 |
