| 摘要 | 第3-5页 |
| ABSTRACTS | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 故障监测及诊断方法介绍 | 第10-12页 |
| 1.2.1 基于解析模型的方法 | 第11页 |
| 1.2.2 基于知识的方法 | 第11-12页 |
| 1.2.3 基于数据驱动的方法 | 第12页 |
| 1.3 基于多元统计分析的故障监测及诊断方法 | 第12-13页 |
| 1.4 基于多元统计过程监测面临的挑战及国内外研究现状 | 第13-15页 |
| 1.5 论文主要研究内容 | 第15-17页 |
| 第二章 基于KECA的故障监测算法 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 KECA算法 | 第17-20页 |
| 2.2.1 KECA数据降维 | 第17-18页 |
| 2.2.2 CS统计量 | 第18-19页 |
| 2.2.3 基于支持向量描述（SVDD）的统计量控制限 | 第19-20页 |
| 2.3 基于KECA的过程监测算法 | 第20-21页 |
| 2.4 TE过程仿真实验 | 第21-30页 |
| 2.4.1 TE过程介绍 | 第21-22页 |
| 2.4.2 TE过程故障监测算法结果分析 | 第22-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于改进MSPCA的数据预处理方法 | 第31-39页 |
| 3.1 引言 | 第31页 |
| 3.2 小波分析方法 | 第31-33页 |
| 3.3 主成分分析 | 第33-34页 |
| 3.4 基于改进MSPCA的数据预处理 | 第34-38页 |
| 3.4.1 基于改进MSPCA的数据预处理算法 | 第34-35页 |
| 3.4.2 仿真结果及分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于MSPCA-KECA的故障监测与诊断算法 | 第39-57页 |
| 4.1 引言 | 第39页 |
| 4.2 基于MSPCA-KECA的故障监测及诊断算法 | 第39-41页 |
| 4.3 TE过程仿真实例 | 第41-49页 |
| 4.3.1 故障监测结果及分析 | 第41-47页 |
| 4.3.2 诊断结果及分析 | 第47-49页 |
| 4.4 冷水机组仿真实例 | 第49-56页 |
| 4.4.1 冷水机组过程介绍 | 第49-51页 |
| 4.4.2 诊断结果分析 | 第51-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结及展望 | 第57-59页 |
| 5.1 结论 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |
