基于数据驱动的故障诊断模型及算法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-16页 |
| 第1章 绪论 | 第16-32页 |
| ·研究背景、目的和意义 | 第16-17页 |
| ·故障诊断的主要研究内容 | 第17-20页 |
| ·故障诊断技术国内外研究现状 | 第20-31页 |
| ·基于数学模型的方法 | 第21-22页 |
| ·基于知识的方法 | 第22-25页 |
| ·基于数据驱动的方法 | 第25-31页 |
| ·论文的主要研究内容 | 第31-32页 |
| 第2章 基于核主元分析的工业过程故障检测算法 | 第32-54页 |
| ·引言 | 第32页 |
| ·主元分析的基本原理 | 第32-34页 |
| ·复合核函数的构造 | 第34-39页 |
| ·核函数的局部特性和全局特性 | 第35-36页 |
| ·核函数变换 | 第36-37页 |
| ·核函数的构造 | 第37-39页 |
| ·多向核主元分析故障诊断 | 第39-43页 |
| ·多元数据处理 | 第39-40页 |
| ·主元数目的计算 | 第40-41页 |
| ·故障诊断的判定限 | 第41-42页 |
| ·故障诊断算法步骤 | 第42-43页 |
| ·仿真实验及分析 | 第43-53页 |
| ·TE过程故障诊断 | 第43-49页 |
| ·酒精发酵过程故障诊断 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第3章 基于互信息特征选取的故障诊断模型 | 第54-74页 |
| ·引言 | 第54页 |
| ·特征选取及互信息 | 第54-61页 |
| ·最优性与相关性 | 第54-55页 |
| ·特征评价准则 | 第55-59页 |
| ·熵与互信息 | 第59-61页 |
| ·基于条件互信息的特征选取 | 第61-68页 |
| ·特征约简 | 第61-62页 |
| ·互信息估计的贪婪算法(MIFS) | 第62-63页 |
| ·冗余信息的精确估计 | 第63-65页 |
| ·改进的条件互信息估计公式 | 第65-68页 |
| ·二阶互信息特征选取算法 | 第68-69页 |
| ·仿真实验及分析 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 第4章 跟踪递推部分最小二乘故障诊断算法 | 第74-92页 |
| ·引言 | 第74页 |
| ·多元线性回归模型及参数的最小二乘估计 | 第74-81页 |
| ·多元线性回归模型 | 第75页 |
| ·参数向量的最小二乘估计 | 第75-77页 |
| ·部分最小二乘回归分析 | 第77-81页 |
| ·跟踪递推部分最小二乘算法 | 第81-85页 |
| ·递推部分最小二乘算法 | 第81-82页 |
| ·跟踪递推部分最小二乘法 | 第82-85页 |
| ·跟踪递推部分最小二乘算法故障诊断算法 | 第85-86页 |
| ·多向PLS方法 | 第85页 |
| ·故障诊断限 | 第85页 |
| ·诊断算法步骤 | 第85-86页 |
| ·仿真实验及分析 | 第86-91页 |
| ·TE过程仿真实验 | 第86-87页 |
| ·酒精发酵过程仿真实验 | 第87-91页 |
| ·本章小结 | 第91-92页 |
| 第5章 基于G-K聚类分析的故障诊断模型 | 第92-106页 |
| ·引言 | 第92页 |
| ·聚类分析的数学描述 | 第92-93页 |
| ·聚类分析的测度 | 第93-97页 |
| ·距离相似性测度 | 第94-96页 |
| ·相似系数 | 第96-97页 |
| ·聚类目标函数 | 第97-98页 |
| ·误差平方和准则 | 第97页 |
| ·加权平均平方距离和准则 | 第97-98页 |
| ·类间距离和准则 | 第98页 |
| ·模糊聚类故障诊断模型 | 第98-104页 |
| ·Gustafson-Kessel算法 | 第98-101页 |
| ·基于G-K模糊聚类的故障诊断模型 | 第101-102页 |
| ·G-K模糊聚类故障诊断方法 | 第102-104页 |
| ·实验结果 | 第104-105页 |
| ·本章小结 | 第105-106页 |
| 结论 | 第106-108页 |
| 参考文献 | 第108-118页 |
| 攻读学位期间发表的学术论文 | 第118-119页 |
| 致谢 | 第119页 |
