首页--工业技术论文--机械、仪表工业论文--机械制造工艺论文--柔性制造系统及柔性制造单元论文

基于主元分析的故障检测与诊断研究

摘要第1-5页
Abstract第5-7页
目录第7-9页
第1章 绪论第9-15页
   ·课题研究背景及意义第9-10页
   ·故障检测和诊断方法第10-11页
   ·基于多元统计方法的故障检测及诊断研究现状第11-13页
   ·课题研究的主要内容及论文结构第13-15页
第2章 基于主元分析的故障检测与诊断方法的研究第15-35页
   ·主元分析基本理论第15-19页
   ·基于主元分析的故障检测与诊断第19-22页
     ·两个重要统计量及其控制限第19-20页
     ·贡献图第20-21页
     ·基于主元分析的故障检测与诊断算法步骤第21-22页
   ·田纳西-伊斯曼模型第22-25页
   ·仿真研究第25-34页
   ·本章小结第34-35页
第3章 基于改进PCA的故障检测与诊断方法的研究第35-63页
   ·基于小波去噪PCA的故障检测与诊断方法的研究第35-46页
     ·小波去噪原理第35-38页
       ·小波变换第35-36页
       ·小波去噪方法第36-38页
     ·基于小波去噪主元分析的故障检测与诊断算法流程第38-39页
     ·仿真研究第39-46页
   ·基于鲁棒PCA的故障检测与诊断方法的研究第46-53页
     ·鲁棒PCA算法第47页
     ·基于鲁棒PCA的故障检测与诊断算法流程第47-48页
     ·仿真研究第48-53页
   ·基于动态主元分析的故障检测方法的研究第53-61页
     ·传统PCA的动态局限第53页
     ·DPCA的基本原理第53-55页
     ·DPCA的故障检测方法第55-56页
     ·仿真研究第56-61页
   ·本章小节第61-63页
第4章 基于非线性PCA的故障检测方法的研究第63-74页
   ·传统PCA的非线性局限性第63-64页
   ·基于非线性PCA的故障检测方法第64-71页
     ·传统PCA和非线性PCA的区别第64-66页
     ·基于RBF神经网络的非线性PCA故障检测算法第66-71页
   ·仿真研究第71-73页
   ·本章小结第73-74页
第5章 结论与展望第74-76页
   ·工作总结第74页
   ·研究展望第74-76页
参考文献第76-82页
在读期间发表的学术论文及研究成果第82-83页
致谢第83页

论文共83页,点击 下载论文
上一篇:港口与城市耦合机制及模拟调控研究--以连云港为例
下一篇:新型天然混合工质替代R22和R134a的研究