摘要 | 第4-6页 |
Abstract | 第6-7页 |
创新点摘要 | 第8-12页 |
第一章 引言 | 第12-26页 |
1.1 研究意义 | 第12-13页 |
1.2 故障诊断技术概述 | 第13-15页 |
1.3 国内外研究现状 | 第15-24页 |
1.3.1 故障诊断技术 | 第15-18页 |
1.3.2 基于流形学习的故障诊断技术 | 第18-22页 |
1.3.3 化工过程故障诊断技术研究中有待解决的问题 | 第22-24页 |
1.4 论文的主要内容和工作安排 | 第24-26页 |
第二章 基于流形学习的故障诊断方法 | 第26-33页 |
2.1 流形及流形学习的概念 | 第26-27页 |
2.2 流形学习的代表性方法 | 第27-31页 |
2.2.1 等距离映射法 | 第27-29页 |
2.2.2 自译码神经网络 | 第29页 |
2.2.3 主成分分析法 | 第29-31页 |
2.3 基于T2和Q统计量的故障检测 | 第31-32页 |
2.4 本章小结 | 第32-33页 |
第三章 基于非线性流形特征提取的故障诊断方法 | 第33-52页 |
3.1 基于差分进化动态自译码神经网络的故障诊断方法 | 第33-38页 |
3.1.1 改进的差分进化算法 | 第34-36页 |
3.1.2 基于差分进化动态自译码神经网络的故障诊断 | 第36-38页 |
3.2 基于改进动态等距离映射的故障诊断方法 | 第38-42页 |
3.2.1 基于动态等距离映射的故障诊断 | 第38-40页 |
3.2.2 基于改进动态等距离映射的故障诊断 | 第40-42页 |
3.3 仿真研究 | 第42-51页 |
3.3.1 CSTR过程仿真 | 第44-48页 |
3.3.2 双容水箱液位控制系统仿真 | 第48-51页 |
3.4 本章小结 | 第51-52页 |
第四章 基于结构保持流形特征提取的故障诊断方法 | 第52-62页 |
4.1 基于结构保持流形特征提取的故障诊断方法 | 第52-56页 |
4.1.1 基本算法分析 | 第52-54页 |
4.1.2 结构保持流形特征提取方法 | 第54-55页 |
4.1.3 基于结构保持流形特征提取的故障诊断 | 第55-56页 |
4.2 仿真研究 | 第56-61页 |
4.2.1 Swiss Roll数据集仿真 | 第56-57页 |
4.2.2 双容水箱液位控制系统仿真 | 第57-61页 |
4.3 本章小结 | 第61-62页 |
第五章 基于慢特征流形信息提取的故障诊断方法 | 第62-78页 |
5.1 基于改进慢特征分析的故障诊断方法 | 第62-65页 |
5.1.1 慢特征分析算法 | 第62-63页 |
5.1.2 改进的慢特征分析方法 | 第63-64页 |
5.1.3 基于改进慢特征分析的故障诊断 | 第64-65页 |
5.2 基于核慢特征分析的故障诊断方法 | 第65-68页 |
5.2.1 核慢特征分析方法 | 第65-66页 |
5.2.2 基于核慢特征分析的故障诊断 | 第66-68页 |
5.3 仿真研究 | 第68-77页 |
5.3.1 数值算例仿真 | 第68-71页 |
5.3.2 CSTR过程仿真 | 第71-77页 |
5.4 本章小结 | 第77-78页 |
第六章 基于多模态流形特征提取的故障诊断方法 | 第78-88页 |
6.1 基于相对等距离映射的故障诊断方法 | 第78-84页 |
6.1.1 多模态信息提取策略 | 第79-81页 |
6.1.2 输入数据和流形特征输出的映射关系 | 第81-83页 |
6.1.3 基于相对等距离映射的故障诊断 | 第83-84页 |
6.2 仿真研究 | 第84-87页 |
6.2.1 CSTR过程仿真 | 第84-86页 |
6.2.2 多模态数值算例仿真 | 第86-87页 |
6.3 本章小结 | 第87-88页 |
第七章 TE化工过程故障诊断实例研究及分析 | 第88-105页 |
7.1 TE过程概述 | 第88-90页 |
7.2 TE过程故障诊断结果分析 | 第90-104页 |
7.2.1 不同故障诊断方法的仿真结果 | 第90-102页 |
7.2.2 不同故障诊断方法的结果比较 | 第102-104页 |
7.3 本章小结 | 第104-105页 |
结论 | 第105-107页 |
参考文献 | 第107-118页 |
攻读博士学位期间取得的研究成果 | 第118-119页 |
致谢 | 第119-120页 |
作者简介 | 第120页 |