声明
第1章 绪论
1.1 研究背景
1.2 故障诊断的基本概念和方法
1.3 国外研究现状
1.4 国内研究现状
1.5 本文研究内容
第2章 主要研究方法和数据源
2.1 支持向量机（SVM）
2.1.1 SVC建模机理
2.1.2 SVC判别方法
2.1.3 LibSVM介绍
2.1.4 基于LibSVM的二次开发软件工具
2.2 灰色模型（GM）
2.2.1 灰色预测的概念
2.2.2 单特征GM
2.2.3 多特征GM
2.3 降噪和滤波
2.3.1 小波降噪
2.3.2 S-G滤波器
2.4 本文研究所用数据来源
2.4.1 ASHRAE Project 1043-RP项目
2.4.2 内蒙古呼和浩特市建设大厦DesignBuilder能耗仿真
2.4.3 天津大学C能源站3号机组
第3章 基于SVC的冷水机组故障诊断
3.1 使用全特征直接建立故障诊断模型
3.1.1 单一故障诊断模型
3.1.2 联合故障诊断模型
3.2 数据处理
3.2.1 相关性分析
3.2.2 滤波与降噪
3.3 稳态模型对非稳态数据的检验
3.4 本章总结
第4章 基于SVC的暖通空调跨系统故障诊断
4.1 跨系统诊断的可行性与操作要点
4.2 跨系统诊断效果
4.2.1新风系统单独诊断模型
4.2.2 冷水机组与新风系统的联合诊断模型
4.3 本章总结
第5章 基于灰色模型的冷水机组故障预诊
5.1 预诊思路
5.2 基于天津大学能源站C站数据的诊断与预测
5.2.1数据分析和选取
5.2.2 故障诊断模型
5.2.3特征序列预测
5.3 预诊模型优化
5.3.1模型结构
5.3.2数据处理
5.3.3优化结果
5.4 推广潜力与局限性
5.5本章总结
第6章 结论与展望
6.1 结论
6.2 展望
参考文献
附录A：ASHRAE Project 1043-RP实验数据特征列表
附录B：ASHRAE Project 1043-RP项目建议的参照基准
附录C：基于LibSVM二次开发的软件工具运行流程
发表论文和参加科研情况说明
致谢
天津大学;
