| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 主要符号说明 | 第10-11页 |
| 第一章 绪论 | 第11-26页 |
| ·课题的背景及意义 | 第11-12页 |
| ·故障诊断方法研究 | 第12-16页 |
| ·基于知识的方法 | 第12-14页 |
| ·基于解析模型的方法 | 第14-15页 |
| ·基于信号处理的方法 | 第15-16页 |
| ·制冷系统FDD 研究 | 第16-25页 |
| ·空调设备 | 第16-18页 |
| ·冷水机组 | 第18-19页 |
| ·空气处理装置 | 第19-21页 |
| ·其它HVAC&R 设备 | 第21-23页 |
| ·HVAC& R 领域FDD 方法小结 | 第23-25页 |
| ·本文的主要工作 | 第25-26页 |
| 第二章 故障模拟实验及结果分析 | 第26-50页 |
| ·实验内容 | 第26-28页 |
| ·故障类型 | 第26-27页 |
| ·研究内容 | 第27-28页 |
| ·实验系统 | 第28-32页 |
| ·故障模拟实验台 | 第28-31页 |
| ·数据采集及系统 | 第31页 |
| ·采样参数的选择 | 第31-32页 |
| ·热力学分析 | 第32-34页 |
| ·实验结果分析：故障与征兆间的关系 | 第34-49页 |
| ·突变故障 | 第34-39页 |
| ·渐变故障 | 第39-47页 |
| ·故障模拟实验总结 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第三章 基于小波包与主元分析的制冷系统故障检测 | 第50-70页 |
| ·引言 | 第50页 |
| ·故障检测策略 | 第50-52页 |
| ·基于小波包变换的突变故障先兆检测 | 第52-60页 |
| ·小波包应用于制冷系统突变故障先兆检测的论证 | 第52-53页 |
| ·制冷系统故障信号的小波包变换 | 第53-55页 |
| ·在线小波包分解策略 | 第55-56页 |
| ·基于小波包的突变故障先兆验证分析 | 第56-60页 |
| ·基于主元分析的渐变故障检测 | 第60-69页 |
| ·主元分析应用于制冷系统渐变故障的分析和论证 | 第60-61页 |
| ·主元分析建模过程 | 第61-63页 |
| ·主元数的确定 | 第63页 |
| ·故障检测方法 | 第63-64页 |
| ·基于 PCA-FD 模型的故障检测 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 第四章 基于主元分析和支持向量机的制冷系统故障诊断 | 第70-86页 |
| ·引言 | 第70页 |
| ·PCA-SVM 组合诊断模型 | 第70-72页 |
| ·PCA-SVM 应用于制冷系统故障诊断的分析和论证 | 第70-71页 |
| ·故障诊断模型 | 第71-72页 |
| ·基于 PCA-FCM 的故障等级划分 | 第72页 |
| ·支持向量机理论 | 第72-76页 |
| ·支持向量机 | 第72-75页 |
| ·核函数 | 第75页 |
| ·多类支持向量机算法 | 第75-76页 |
| ·基于 PCA-SVM 的制冷系统故障诊断 | 第76-85页 |
| ·模型特征提取 | 第78-79页 |
| ·故障诊断 | 第79-81页 |
| ·故障等级划分 | 第81-84页 |
| ·模型小样本性能研究 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 第五章 基于不完整描述样本的故障诊断 | 第86-103页 |
| ·引言 | 第86页 |
| ·不完整描述样本的故障诊断框架 | 第86-87页 |
| ·未知特征值的获取 | 第87-91页 |
| ·未知特征值获取过程 | 第87-88页 |
| ·特征转换 | 第88-89页 |
| ·权重系数 | 第89-90页 |
| ·检索目标中未知特征的处理 | 第90-91页 |
| ·相似性测量 | 第91页 |
| ·诊断模型 | 第91-93页 |
| ·支持向量机抗噪声干扰性能研究 | 第92页 |
| ·故障诊断系统 | 第92-93页 |
| ·应用结果及分析 | 第93-102页 |
| ·实验数据 | 第93-94页 |
| ·检索目标及特征转换 | 第94-96页 |
| ·未知值的检索结果 | 第96-100页 |
| ·故障诊断结果与讨论 | 第100-102页 |
| ·本章小结 | 第102-103页 |
| 第六章 制冷系统故障预测模型 | 第103-119页 |
| ·引言 | 第103-104页 |
| ·基于 SVM 性能预测模型 | 第104-106页 |
| ·模型描述 | 第104页 |
| ·建模过程 | 第104-105页 |
| ·模型性能评价指标 | 第105-106页 |
| ·基于 ARIMA-SVM 混合时序序列预测模型 | 第106-110页 |
| ·ARMIA-SVM 的混合预测模型 | 第106-107页 |
| ·数据处理相关问题设定 | 第107页 |
| ·时序序列分析方法 | 第107-108页 |
| ·建模过程 | 第108-109页 |
| ·预测性能评价指标 | 第109-110页 |
| ·应用结果及分析 | 第110-118页 |
| ·基于 SVM 蒸发器结霜过程性能预测 | 第110-115页 |
| ·基于 ARIMA-SVM 蒸发器性能结霜过程性能预测 | 第115-118页 |
| ·本章小结 | 第118-119页 |
| 第七章 结论及展望 | 第119-122页 |
| ·结论 | 第119-120页 |
| ·研究工作的创新点 | 第120-121页 |
| ·研究展望 | 第121-122页 |
| 参考文献 | 第122-131页 |
| 致谢 | 第131-132页 |
| 攻读博士学位期间发表的论文及其它的成果 | 第132-134页 |
