| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·课题研究背景与意义 | 第9-10页 |
| ·故障诊断技术概述 | 第10-15页 |
| ·故障及故障诊断的概念 | 第10-11页 |
| ·基于解析模型的故障诊断方法 | 第11-13页 |
| ·基于解析模型的故障诊断方法 | 第13-14页 |
| ·基于解知识的故障诊断方法 | 第14-15页 |
| ·基于支持向量机的故障诊断方法 | 第15-16页 |
| ·论文主要研究内容 | 第16-18页 |
| 第2章 TENNESSEE EASTMAN过程 | 第18-27页 |
| ·引言 | 第18页 |
| ·TE过程的工艺流程 | 第18-20页 |
| ·TE过程变量 | 第20-22页 |
| ·TE过程故障 | 第22-23页 |
| ·TE过程仿真 | 第23-26页 |
| ·TE过程数据 | 第26页 |
| ·小结 | 第26-27页 |
| 第3章 基于PCA的TE过程故障诊断 | 第27-35页 |
| ·引言 | 第27页 |
| ·PCA算法 | 第27-31页 |
| ·PCA算法原理 | 第27-29页 |
| ·降阶方法 | 第29-30页 |
| ·故障检测 | 第30-31页 |
| ·故障识别和诊断 | 第31页 |
| ·PCA算法改进和应用 | 第31-33页 |
| ·PCA及其改进算法在TE过程故障诊断中的应用 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第4章 基于支持向量机的故障诊断方法 | 第35-47页 |
| ·引言 | 第35页 |
| ·统计学习理论 | 第35-38页 |
| ·学习问题的模型 | 第35-36页 |
| ·函数集的VC维 | 第36页 |
| ·经验风险和结构风险 | 第36-38页 |
| ·支持向量机 | 第38-45页 |
| ·线性支持向量机 | 第39-42页 |
| ·非线性支持向最机 | 第42-43页 |
| ·多类分类 | 第43-45页 |
| ·支持向量机在TE过程故障诊断中的应用 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第5章 改进SVM的TE过程故障诊断 | 第47-57页 |
| ·引言 | 第47页 |
| ·混合核函数 | 第47-48页 |
| ·粒子群优化SVM参数 | 第48-49页 |
| ·基于混合核函数的PSO-SVM | 第49-52页 |
| ·基于混合核函数的PSO-SVM在TE过程故障诊断中的应用 | 第52-56页 |
| ·单故障分类 | 第52-54页 |
| ·多故障分类 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第6章 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士期间发表的论文以及参与的项目 | 第63页 |