声明
摘要
第1章绪论
1.1课题背景与研究意义
1.2故障诊断研究内容与研究方法
1.2.1故障诊断基本概念
1.2.2故障诊断的研究方法
1.3国内外研究现状
1.4本文主要内容
第2章基于数据驱动的故障监测基本理论
2.1.2特征空间中数据的白化
2.1.3利用修正ICA提取非线性独立元
2.2 Fisher判别式分析
2.3特征提取问题与方法
2.3.1 KPCA特征提取算法
2.3.2 MLP特征提取算法
2.3.3多维尺度算法
2.3.4 ISOMAP算法
2.3.5最大方差展开算法
2.4核函数方法简介
2.5半监督学习算法
2.5.1半监督学习算法的三个假设
2.5.2半监督学习理论
2.5.3半监督学习的应用
2.6小结
第3章基于独立子空间的KICA故障监测方法
3.1 前言
3.2基于独立信息的子数据空间划分算法
3.2.1间歇过程多方向展开
3.2.2离线建模
3.2.3在线监测
3.3实验仿真
3.3.1青霉素发酵过程
3.3.2仿真结果分析
3.4本章小结
第4章基于先验知识的SKMFA故障监测方法
4.2 KMFA特征提取方法
4.2.1基于核函数的特征映射
4.2.2构建领域流形图
4.2.3基于KMFA的特征提取
4.3.1正则化局部保持
4.3.2成对约束项
4.4基于先验知识的正则化成对约束KMFA特征提取
4.4.1基于先验知识的特征提取
4.4.2贝叶斯分类器分类
4.5基于先验知识学习的正则化约束KMFA故障监测
4.6仿真研究及结果分析
4.6.1电熔镁炉介绍
4.6.2仿真结果分析
4.7本章小结
第5章总结与展望
5.1总结
5.2展望
参考文献
致谢