| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 故障检测与状态检修 | 第13-14页 |
| 1.3 水电机组故障检测的意义 | 第14页 |
| 1.4 故障检测的研究概述 | 第14-16页 |
| 1.4.1 故障检测方法研究概述 | 第14-15页 |
| 1.4.2 水电机组故障检测研究概述 | 第15-16页 |
| 1.5 主要内容 | 第16页 |
| 1.6 创新点 | 第16-17页 |
| 第二章 模型及方法的选择 | 第17-34页 |
| 2.1 故障模型简化 | 第17-18页 |
| 2.2 故障检测方法的选择 | 第18-29页 |
| 2.2.1 M-K(Mann-Kendall)检验 | 第19-23页 |
| 2.2.2 滑动t-检验 | 第23-26页 |
| 2.2.3 启发式分割方法 | 第26-29页 |
| 2.3 概率分布的计算方法选择 | 第29-34页 |
| 2.3.1 核密度估计方法 | 第29-31页 |
| 2.3.2 直方图方法 | 第31-32页 |
| 2.3.3 对比分析 | 第32-34页 |
| 第三章 基于蒙特卡洛方法的归一化加权平均值 | 第34-42页 |
| 3.1 引言 | 第34页 |
| 3.2 蒙特卡洛方法 | 第34-36页 |
| 3.2.1 随机变量 | 第34-35页 |
| 3.2.2 统计量 | 第35-36页 |
| 3.2.3 蒙特卡洛模拟 | 第36页 |
| 3.3 实例分析 | 第36-40页 |
| 3.4 结论 | 第40-42页 |
| 第四章 基于相对熵的一维参数故障检测 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 方法概述 | 第42-43页 |
| 4.2.1 相对熵定义 | 第42页 |
| 4.2.2 算法实现 | 第42-43页 |
| 4.3 模拟数据论证 | 第43-52页 |
| 4.3.1 均值异常 | 第43-45页 |
| 4.3.2 方差异常 | 第45-46页 |
| 4.3.3 趋势异常 | 第46-48页 |
| 4.3.4 复合异常 | 第48-52页 |
| 4.4 实例验证 | 第52-54页 |
| 第五章 基于重复率的一维参数故障检测 | 第54-65页 |
| 5.1 重复率概述 | 第54页 |
| 5.2 算法实现 | 第54页 |
| 5.3 模拟数据论证 | 第54-61页 |
| 5.3.1 均值异常 | 第55-56页 |
| 5.3.2 方差异常 | 第56-57页 |
| 5.3.3 趋势异常 | 第57-58页 |
| 5.3.4 复合异常 | 第58-61页 |
| 5.4 实例验证 | 第61-62页 |
| 5.5 对比分析 | 第62-65页 |
| 5.5.1 与相对熵的对比 | 第62页 |
| 5.5.2 与均值、方差的对比 | 第62-65页 |
| 第六章 基于DBSCAN的二维参数故障检测 | 第65-82页 |
| 6.1 引言 | 第65页 |
| 6.2 基于DBSCAN的故障检测方法 | 第65-70页 |
| 6.2.1 DBSCAN方法简介 | 第65-66页 |
| 6.2.2 基于聚类的故障检测 | 第66-69页 |
| 6.2.3 方法的优点 | 第69-70页 |
| 6.3 模拟数据论证 | 第70-80页 |
| 6.3.1 单变量均值异常 | 第70-71页 |
| 6.3.2 单变量方差异常 | 第71-72页 |
| 6.3.3 单变量趋势异常 | 第72-73页 |
| 6.3.4 均值-均值异常 | 第73-74页 |
| 6.3.5 均值-方差异常 | 第74-76页 |
| 6.3.6 均值-趋势异常 | 第76-77页 |
| 6.3.7 方差-方差异常 | 第77-78页 |
| 6.3.8 方差-趋势异常 | 第78-79页 |
| 6.3.9 趋势-趋势异常 | 第79-80页 |
| 6.4 实例验证 | 第80-82页 |
| 第七章 结论与展望 | 第82-84页 |
| 7.1 研究成果与结论 | 第82页 |
| 7.2 研究展望 | 第82-84页 |
| 参考文献 | 第84-87页 |
| 攻读硕士学位期间发表的论文和其他成果 | 第87-88页 |
| 致谢 | 第88页 |