| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-32页 |
| 1.1 课题背景和意义 | 第12-13页 |
| 1.2 故障诊断方法 | 第13-23页 |
| 1.2.1 机理模型方法 | 第14页 |
| 1.2.2 逻辑知识方法 | 第14-15页 |
| 1.2.3 机器学习方法 | 第15-16页 |
| 1.2.4 多元统计分析 | 第16-23页 |
| 1.3 基于自适应PCA的动态系统故障诊断的研究现状 | 第23-25页 |
| 1.4 基于时序逻辑的动态系统故障诊断的研究现状 | 第25-27页 |
| 1.5 本文的研究内容 | 第27-32页 |
| 第2章 基于自适应分块PCA的改进型故障检测与分离 | 第32-54页 |
| 2.1 引言 | 第32-35页 |
| 2.2 自适应分块PCA模型的构建 | 第35-38页 |
| 2.3 故障检测与分离方法 | 第38-41页 |
| 2.4 在TE中仿真案例研究 | 第41-52页 |
| 2.5 小结 | 第52-54页 |
| 第3章 基于自适应稀疏PCA的故障诊断 | 第54-78页 |
| 3.1 引言 | 第54-56页 |
| 3.2 自适应稀疏PCA模型的构建 | 第56-60页 |
| 3.3 过程检测和故障分离 | 第60-63页 |
| 3.4 案例研究 | 第63-76页 |
| 3.4.1 TE过程 | 第63-69页 |
| 3.4.2 波形系统 | 第69-76页 |
| 3.5 小结 | 第76-78页 |
| 第4章 基于多层时序逻辑分析的故障检测与识别 | 第78-92页 |
| 4.1 引言 | 第78-80页 |
| 4.2 多层时序逻辑分析法 | 第80-87页 |
| 4.2.1 时序逻辑及其统计学习 | 第81-83页 |
| 4.2.2 时序逻辑库的构建 | 第83-86页 |
| 4.2.3 基于时序逻辑库的故障诊断 | 第86-87页 |
| 4.3 TE过程案例分析 | 第87-90页 |
| 4.4 小结 | 第90-92页 |
| 第5章 基于扩展时序逻辑的在线故障检测 | 第92-120页 |
| 5.1 引言 | 第92-94页 |
| 5.2 问题阐述 | 第94-98页 |
| 5.3 扩展时序逻辑及其统计学习 | 第98-108页 |
| 5.3.1 扩展时序逻辑 | 第98-100页 |
| 5.3.2 感兴趣的区域的挖掘 | 第100-104页 |
| 5.3.3 扩展时序逻辑的统计学习 | 第104-108页 |
| 5.4 在线故障检测 | 第108-110页 |
| 5.5 案例研究 | 第110-119页 |
| 5.5.1 机器人手臂系统 | 第110-114页 |
| 5.5.2 波形系统 | 第114-119页 |
| 5.6 小结 | 第119-120页 |
| 第6章 总结与展望 | 第120-124页 |
| 6.1 全文研究内容总结 | 第120-121页 |
| 6.2 研究展望 | 第121-124页 |
| 参考文献 | 第124-135页 |
| 作者简介 | 第135-136页 |
| 攻读博士学位期间完成的学术论文 | 第136-138页 |
| 攻读博士学位期间参与的科研项目 | 第138页 |