首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--监视、报警、故障诊断系统论文

非高斯过程故障检测与诊断方法研究

摘要第1-7页
Abstract第7-9页
目录第9-12页
第1章 综述第12-19页
   ·非高斯过程故障检测与诊断方法研究的目的和意义第12页
   ·非高斯过程故障检测与诊断方法研究的内容和方法第12-15页
     ·研究内容第12-13页
     ·研究方法第13-15页
   ·非高斯过程故障检测与诊断方法研究的发展现状第15-18页
     ·研究现状第15-16页
     ·主成分分析的基本思想及发展现状第16-17页
     ·独立成分分析方法的基本思想及发展现状第17-18页
   ·本文内容安排第18-19页
第2章 非高斯过程建模及数据处理第19-32页
   ·非高斯过程建模第19-26页
     ·三容水箱的数学模型第19-21页
     ·三容水箱过程 Simulink 动态模型第21-23页
     ·三容水箱过程 Simulink 故障模型第23-26页
   ·非高斯过程数据采集和分析第26-30页
     ·三容水箱过程的采集第26页
     ·三容水箱过程故障数据分析第26-30页
   ·一种非高斯过程的验证方法第30-32页
第3章 非高斯过程故障检测第32-45页
   ·基于独立成分分析的故障检测方法研究第32-37页
     ·独立成分分析第32-33页
     ·快速独立成分分析第33-35页
     ·快速独立成分分析的故障检测第35-37页
   ·基于主成分分析的故障检测方法研究第37-41页
     ·主成分分析第37-39页
     ·主成分分析的故障检测第39-41页
   ·FICA 故障检测和 PCA 故障检测的对比第41-45页
     ·仿真例子第41-43页
     ·基于 FICA 和 PCA 的故障检测对比实验第43-45页
第4章 非高斯过程故障诊断第45-55页
   ·基于神经网络的故障诊断方法研究第45-47页
     ·人工神经网络第45-46页
     ·基于 BP 神经网络的故障诊断方法第46-47页
   ·基于增量自组织神经网络的故障诊断新方法研究第47-50页
     ·自组织神经网络第47-49页
     ·基于增量自组织神经网络的故障诊断新方法第49-50页
   ·基于聚类概率神经网络故障诊断新方法研究第50-55页
     ·减法聚类第50-51页
     ·K-均值聚类第51-52页
     ·概率神经网络第52-53页
     ·基于聚类概率神经网络的故障诊断新方法第53-55页
第5章 非高斯过程故障检测与诊断方法实验第55-68页
   ·基于 FICA-BP 与 PCA-BP 故障检测与诊断方法的对比实验第55-58页
     ·基于 FICA 的堵塞故障检测第55-56页
     ·基于 PCA 的堵塞故障检测第56-57页
     ·基于 BP 神经网络的堵塞故障诊断第57-58页
   ·基于 FICA-CPNN 故障检测与诊断新方法的对比实验第58-62页
     ·基于 FICA 的泄露故障检测第58-59页
     ·基于 PCA 的泄露故障检测第59-60页
     ·基于 PNN 的泄露故障诊断第60-61页
     ·基于 CPNN 的泄露故障检测第61-62页
   ·基于 FICA-ISOM 故障检测与诊断新方法的对比实验第62-68页
     ·间歇过程第62-64页
     ·基于 ISOM 的间歇过程故障诊断第64-66页
     ·基于 ISOM 的三容水箱过程故障诊断第66-68页
第6章 非高斯过程故障检测与诊断平台第68-87页
   ·非高斯故障检测与诊断平台整体设计第68-73页
     ·非高斯过程的故障检测与诊断平台的架构第68-69页
     ·三容水箱过程的数据采集第69-72页
     ·三容水箱故障检测与诊断的软件设计第72-73页
   ·基于 VB 的故障检测与诊断第73-80页
     ·Visual Basic 语言第73页
     ·Visual Basic 软件功能的设计第73-80页
   ·基于 Android 系统的无线报警系统第80-87页
     ·故障报警系统总体框架第80-81页
     ·三容水箱故障检测与诊断系统的网络通信第81-83页
     ·无线报警系统的网路地址转换第83-84页
     ·Android 手机客户端的设计第84-87页
结论第87-89页
参考文献第89-94页
攻读硕士学位期间发表的论文和取得的研究成果第94-95页
致谢第95-97页

论文共97页,点击 下载论文
上一篇:温度控制器自整定方法研究
下一篇:基于神经网络的铝液夹杂物预测方法研究