声明
第一章 绪论
1 .1 论文研究背景与意义
1 .2 故障检测与诊断的研究方法
1.2.1基于分析模型的方法
1.2.2基于定性经验知识的方法
1.2.3基于数据驱动的方法
1 .3 故障检测与诊断方法的研究现状
1.3.1 基于人工智能方法的研究现状
1.3.2基于多元统计方法的研究现状
1 .4 本文的主要研究内容和论文结构
第二章 可预测元分析算法及其特性
2 .1 引言
2.2 主元分析(PCA)
2.3 可预测元分析(ForeCA)
2.3.1 ForeCA的基本原理
2.3.2 ForeCA的实现
2.3.3 ForeCA的基本特性分析
2 .4 本章小结
第三章 基于KForeCA的非线性故障检测与诊断
3 .1引言
3.2 KForeCA的基本原理
3.3 基于KForeCA非线性故障检测
3.3.1 集成监控统计量
3.3.2 监控统计量的控制限
3.3.3 基于KForeCA的非线性故障检测模型
3.4 基于KForeCA的故障变量分离
3.5 基于Fisher-KForeCA的故障诊断
3.5.1 Fisher判别式分析方法原理
3.5.2 基于Fisher-KForeCA的故障诊断模型建立
3 .6仿真及结果分析
3.6.1 TE(Tennessee Eastman Process)仿真平台
3.6.2 基于KForeCA的非线性故障检测性能分析
3.6.3 基于KForeCA的故障变量分离性能分析
3.6.4基于Fisher-KForeCA的非线性故障诊断性能分析
3 .6 本章小结
第四章 基于KForeCA-SVR的缓慢故障预测
4 .1 引言
4 .2支持向量回归的原理
4.3基于KForeCA-SVR的缓慢故障预测模型
4.3.1 KForeCA-SVR的基本原理
4.3.2 故障预测模型建立
4 .4仿真及结果分析
4 .5 本章小结
第五章 南极泰山站风电光伏数据监控系统
5 .1 风电光伏数据采集传输监控系统
5.1.1 风电光伏数据采集及传输系统
5.1.2 数据解析软件
5 .2 风电光伏监控系统蓄电池组性能监控
5.2.1 蓄电池组性能监控模型
5.2.2 南极泰山站风电光伏监控系统蓄电池组监控
5 .3 本章小结
第六章 总结与展望
6 .1 本文工作总结
6 .2 研究展望
参考文献
致谢
攻读硕士学位期间已发表或录用的论文