| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 故障诊断技术的研究内容和国内外现状 | 第11-13页 |
| 1.2.1 故障诊断技术的国内外现状 | 第11页 |
| 1.2.2 故障诊断技术的研究内容 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第2章 间歇过程故障诊断研究对象 | 第15-21页 |
| 2.1 啤酒发酵过程及生产工艺 | 第15-16页 |
| 2.2 啤酒生产过程装置 | 第16-19页 |
| 2.3 过程装置故障介绍 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 聚类分析理论基础 | 第21-28页 |
| 3.1 聚类分析的基本概念 | 第21页 |
| 3.2 聚类分析的数学描述 | 第21-22页 |
| 3.3 数据间的相似性度量 | 第22-23页 |
| 3.4 聚类方法的分类 | 第23-25页 |
| 3.5 模糊聚类 | 第25-26页 |
| 3.6 模糊c-均值聚类算法(FCM) | 第26-27页 |
| 3.7 本章小结 | 第27-28页 |
| 第4章 基于KFCM聚类算法的间歇过程故障诊断 | 第28-41页 |
| 4.1 核函数简介 | 第28-29页 |
| 4.2 核函数理论 | 第29-32页 |
| 4.2.1 核函数理论的定义 | 第29-30页 |
| 4.2.2 核函数的基本原理 | 第30-31页 |
| 4.2.3 核函数的选择 | 第31-32页 |
| 4.3 基于核函数的模糊C均值(KFCM)聚类算法 | 第32-34页 |
| 4.4 仿真实验 | 第34-39页 |
| 4.5 本章小结 | 第39-41页 |
| 第5章 基于粒子群优化KFCM聚类算法的间歇过程故障诊断 | 第41-54页 |
| 5.1 粒子群优化算法 | 第41-44页 |
| 5.1.1 算法原理 | 第42-43页 |
| 5.1.2 PSO算法流程 | 第43-44页 |
| 5.2 基于粒子群优化的KFCM聚类算法 | 第44-46页 |
| 5.2.1 算法原理 | 第44-45页 |
| 5.2.2 算法步骤 | 第45-46页 |
| 5.3 仿真实验 | 第46-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间取得的学术成果 | 第59-60页 |
| 致谢 | 第60页 |