| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 故障诊断方法的国内外研究现状 | 第11-13页 |
| 1.2.2 数据驱动故障诊断方法的研究现状 | 第13-15页 |
| 1.3 复杂工况的特点和研究现状 | 第15-17页 |
| 1.3.1 非高斯性 | 第16页 |
| 1.3.2 非线性 | 第16页 |
| 1.3.3 时变性 | 第16-17页 |
| 1.3.4 序列相关 | 第17页 |
| 1.3.5 多故障 | 第17页 |
| 1.4 本文的论文结构 | 第17-19页 |
| 第二章 相关数据分析方法的介绍 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 主元分析方法（PCA） | 第19-22页 |
| 2.2.1 PCA算法原理 | 第19-20页 |
| 2.2.2 基于PCA的故障检测与诊断 | 第20-22页 |
| 2.3 偏最小二乘法（PLS） | 第22-29页 |
| 2.3.1 基本的PLS算法 | 第22-25页 |
| 2.3.2 多块PLS（MBPLS）算法 | 第25-26页 |
| 2.3.3 T-PLS算法 | 第26-29页 |
| 2.4 可预测元分析（Fore CA）算法 | 第29-32页 |
| 2.4.1 Fore CA算法原理 | 第29-30页 |
| 2.4.2 Fore CA算法的实现 | 第30-31页 |
| 2.4.3 Fore CA算法的特性分析 | 第31-32页 |
| 2.5 算法分析与讨论 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于Fore PLS算法的故障检测模型 | 第33-51页 |
| 3.1 引言 | 第33页 |
| 3.2 Fore PLS算法的实现与分析 | 第33-36页 |
| 3.2.1 数据的可预测性描述 | 第34页 |
| 3.2.2 Fore PLS算法的实现与特性分析 | 第34-36页 |
| 3.3 基于Fore PLS的故障检测模型 | 第36-42页 |
| 3.3.1 监控统计量 | 第36-38页 |
| 3.3.2 统计量的控制限 | 第38-41页 |
| 3.3.3 基于Fore PLS的故障检测模型 | 第41-42页 |
| 3.4 仿真实验 | 第42-50页 |
| 3.4.1 Tennessee Eastman实验平台 | 第42-45页 |
| 3.4.2 Fore PLS的预测性能分析 | 第45-46页 |
| 3.4.3 基于Fore PLS的故障检测性能分析 | 第46-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于ADFore PLS的故障诊断方法 | 第51-66页 |
| 4.1 引言 | 第51页 |
| 4.2 不平衡分类问题 | 第51-53页 |
| 4.2.1 不平衡分类的特点 | 第52页 |
| 4.2.2 不平衡分类问题的解决策略 | 第52页 |
| 4.2.3 分类器评价指标 | 第52-53页 |
| 4.3 主动学习方法 | 第53-57页 |
| 4.3.1 主动学习的基本思想 | 第54页 |
| 4.3.2 主动学习的主要方法 | 第54-56页 |
| 4.3.3 主动学习在故障诊断领域的改进 | 第56-57页 |
| 4.4 基于ADFore PLS的故障诊断模型 | 第57-60页 |
| 4.4.1 学习器设计 | 第57-58页 |
| 4.4.2 选择器设计 | 第58-59页 |
| 4.4.3 基于ADFore PLS的故障诊断模型 | 第59-60页 |
| 4.5 仿真实验 | 第60-64页 |
| 4.5.1 分类器学习方法的性能比较 | 第60-61页 |
| 4.5.2 基于ADFore PLS的单故障诊断 | 第61-64页 |
| 4.5.3 基于ADFore PLS的多故障诊断 | 第64页 |
| 4.6 本章小结 | 第64-66页 |
| 第五章 基于Fore PLS的缓变故障预测方法 | 第66-77页 |
| 5.1 引言 | 第66页 |
| 5.2 预测方法的提出 | 第66-67页 |
| 5.2.1 预测时间段的选取 | 第66-67页 |
| 5.2.2 预测值的选取 | 第67页 |
| 5.2.3 预测算法的选取 | 第67页 |
| 5.3 数据重构技术 | 第67-70页 |
| 5.3.1 数据重构思想 | 第68页 |
| 5.3.2 基于数据重构的故障辨识 | 第68-69页 |
| 5.3.3 基于数据重构的故障估计 | 第69-70页 |
| 5.4 基于Fore PLS的缓变故障预测方法 | 第70-72页 |
| 5.4.1 模型的预处理 | 第71页 |
| 5.4.2 模型的建模过程 | 第71-72页 |
| 5.5 仿真实验 | 第72-76页 |
| 5.6 本章小结 | 第76-77页 |
| 第六章 全文总结与展望 | 第77-79页 |
| 6.1 本文的主要工作和贡献 | 第77-78页 |
| 6.2 未来工作展望 | 第78-79页 |
| 参考 文献 | 第79-85页 |
| 致谢 | 第85-86页 |
| 攻读硕士学位期间已发表或录用的论文 | 第86-88页 |
