| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 引言 | 第9-11页 |
| 1.2 故障诊断的基本概念 | 第11-12页 |
| 1.3 故障诊断的方法 | 第12-16页 |
| 1.3.1 基于定量模型的方法 | 第13-14页 |
| 1.3.2 基于定性模型的方法 | 第14页 |
| 1.3.3 基于历史数据的方法 | 第14-16页 |
| 1.4 化工过程故障诊断 | 第16-18页 |
| 1.4.1 化工过程故障特点 | 第16-17页 |
| 1.4.2 化工过程故障诊断特点 | 第17-18页 |
| 1.5 论文主要研究内容 | 第18-19页 |
| 第二章 支持向量机理论及其在故障诊断中的应用 | 第19-32页 |
| 2.1 引言 | 第19页 |
| 2.2 机器学习的基本方法 | 第19-23页 |
| 2.2.1 机器学习问题的模型 | 第19-21页 |
| 2.2.2 函数的VC维 | 第21页 |
| 2.2.3 结构风险最小化原则 | 第21-23页 |
| 2.3 支持向量机 | 第23-27页 |
| 2.3.1 广义最优分类面 | 第23-25页 |
| 2.3.2 支持向量机 | 第25-26页 |
| 2.3.3 核函数 | 第26-27页 |
| 2.4 解决多类分类问题的支持向量机 | 第27-29页 |
| 2.5 支持向量机在小样本故障诊断中的应用 | 第29-30页 |
| 2.6 小结 | 第30-32页 |
| 第三章 TLBO优化算法及其改进 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 TLBO算法 | 第32-35页 |
| 3.2.1 教师阶段 | 第33-34页 |
| 3.2.2 学生阶段 | 第34-35页 |
| 3.3 TLBO衍生算法 | 第35-36页 |
| 3.4 基于权重和精英思想的改进TLBO算法 | 第36-39页 |
| 3.4.1 教师阶段 | 第36-37页 |
| 3.4.2 学生阶段 | 第37-39页 |
| 3.5 改进算法的测试结果及分析 | 第39-41页 |
| 3.6 小结 | 第41-42页 |
| 第四章 基于加权精英TLBO-SVM的化工过程故障诊断 | 第42-58页 |
| 4.1 引言 | 第42页 |
| 4.2 故障识别的总体步骤 | 第42-43页 |
| 4.3 基于加权精英教学算法的支持向量机参数优化 | 第43-45页 |
| 4.4 基于加权精英TLBO-SVM在TE过程故障诊断中的应用 | 第45-57页 |
| 4.4.1 TE过程介绍 | 第45-52页 |
| 4.4.2 TE过程故障说明 | 第52-54页 |
| 4.4.3 加权精英TLBO-SVM故障诊断仿真结果及分析 | 第54-57页 |
| 4.5 小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表的论文以及参与的项目 | 第65页 |
