| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景和意义 | 第8-10页 |
| 1.1.1 课题的研究背景 | 第8-9页 |
| 1.1.2 课题研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 故障检测与诊断技术 | 第10-13页 |
| 1.2.2 空调系统故障的研究现状 | 第13-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 聚类分析 | 第16-27页 |
| 2.1 聚类分析概念及任务 | 第16-21页 |
| 2.1.1 聚类分析定义 | 第16-17页 |
| 2.1.2 聚类算法任务 | 第17-21页 |
| 2.2 聚类方法介绍 | 第21-23页 |
| 2.2.1 划分的方法 | 第21-22页 |
| 2.2.2 层次的方法 | 第22页 |
| 2.2.3 基于密度的方法 | 第22-23页 |
| 2.2.4 基于网格的方法 | 第23页 |
| 2.2.5 基于模型的方法 | 第23页 |
| 2.3 基于高斯混合模型的聚类分析 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 特征参数的选择与计算 | 第27-41页 |
| 3.1 空调机组运行模态分析 | 第27-29页 |
| 3.2 空调机组模型建立 | 第29-35页 |
| 3.2.1 温度处理单元模型 | 第30-32页 |
| 3.2.2 湿度处理单元模型 | 第32-33页 |
| 3.2.3 连续系统离散化 | 第33-35页 |
| 3.3 特征参数选择 | 第35-36页 |
| 3.4 特征参数计算 | 第36-40页 |
| 3.4.1 卡尔曼滤波的理论基础 | 第36-39页 |
| 3.4.2 基于卡尔曼滤波的状态估计算法 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 高斯混合模型及 EM 算法 | 第41-50页 |
| 4.1 高斯混合模型 | 第41-43页 |
| 4.2 EM 算法 | 第43-48页 |
| 4.2.1 EM 算法简介 | 第44-45页 |
| 4.2.2 EM 初始化方法选择 | 第45-47页 |
| 4.2.3 基于 EM 的高斯混合模型参数估计 | 第47-48页 |
| 4.3 基于高斯混合模型的空调机组聚类系统 | 第48-49页 |
| 4.3.1 基于高斯混合模型的空调机组聚类系统 | 第48页 |
| 4.3.2 最大后验概率准则 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 空调机组模式仿真分析 | 第50-58页 |
| 5.1 仿真数据的采集和特征参数的确定 | 第50-53页 |
| 5.2 高斯混合模型聚类能力验证 | 第53-57页 |
| 5.2.1 空调机组温度处理单元模式区分 | 第53-55页 |
| 5.2.2 高斯混合模型聚类与 K-均值聚类结果比较 | 第55页 |
| 5.2.3 采集数据对聚类结果的影响 | 第55-56页 |
| 5.2.4 迭代次数对聚类结果的影响 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 总结和展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 发表论文和参加科研情况说明 | 第64-65页 |
| 致谢 | 第65页 |