基于概率图网络模型的工业报警根源识别
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-22页 |
| 1.2.1 报警泛滥 | 第13-15页 |
| 1.2.2 报警消除和抑制的方法 | 第15-19页 |
| 1.2.3 报警根源识别与根源分析 | 第19-22页 |
| 1.3 主要研究工作 | 第22页 |
| 1.4 论文组织结构 | 第22-24页 |
| 第二章 报警泛滥序列聚类分析 | 第24-38页 |
| 2.1 引言 | 第24页 |
| 2.2 离散傅里叶变换及其功率谱 | 第24-25页 |
| 2.3 报警泛滥序列的相似性度量 | 第25-27页 |
| 2.3.1 报警泛滥序列 | 第25-26页 |
| 2.3.2 报警泛滥序列的功率谱 | 第26-27页 |
| 2.3.3 报警泛滥序列的相似度矩阵 | 第27页 |
| 2.4 基于DFT的报警泛滥序列聚类分析 | 第27-29页 |
| 2.5 实例研究 | 第29-35页 |
| 2.5.1 TE过程 | 第29-31页 |
| 2.5.2 单干扰实验 | 第31-35页 |
| 2.5.3 多干扰实验 | 第35页 |
| 2.6 本章小结 | 第35-38页 |
| 第三章 报警根源识别 | 第38-54页 |
| 3.1 引言 | 第38-39页 |
| 3.2 概率图网络模型 | 第39-48页 |
| 3.2.1 模型描述 | 第39-43页 |
| 3.2.2 结构学习 | 第43-46页 |
| 3.2.3 参数学习 | 第46-48页 |
| 3.3 基于PMG的因果关系建模 | 第48-52页 |
| 3.3.1 过程装置的单元划分 | 第48-49页 |
| 3.3.2 过程变量的层次划分 | 第49-50页 |
| 3.3.3 过程变量因果关系模型的建立 | 第50-52页 |
| 3.4 报警根源识别与异常传播路径确定 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 应用研究 | 第54-64页 |
| 4.1 引言 | 第54页 |
| 4.2 装置的单元划分和变量的层次划分 | 第54-56页 |
| 4.3 因果关系网络 | 第56-60页 |
| 4.4 报警根源确定 | 第60-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64页 |
| 5.2 未来展望 | 第64-66页 |
| 参考文献 | 第66-74页 |
| 致谢 | 第74-76页 |
| 研究成果及发表的学术论文 | 第76-78页 |
| 作者和导师简介 | 第78-79页 |
| 附件 | 第79-80页 |
