基于置信规则库推理的过程报警预测方法及应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 前言 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 置信规则库模型 | 第13-15页 |
| 1.2.2 过程报警 | 第15-16页 |
| 1.2.3 故障预测 | 第16-19页 |
| 1.3 内容及章节安排 | 第19-22页 |
| 第二章 基于置信规则库的推理 | 第22-38页 |
| 2.1 引言 | 第22页 |
| 2.2 置信规则库 | 第22-23页 |
| 2.3 基于置信规则库的推理方法 | 第23-27页 |
| 2.3.1 置信规则激活权重的计算 | 第24-26页 |
| 2.3.2 激活规则的推理合成 | 第26-27页 |
| 2.4 置信规则库的参数学习方法 | 第27-31页 |
| 2.4.1 问题描述 | 第27-29页 |
| 2.4.2 参数学习原理 | 第29-30页 |
| 2.4.3 参数训练方法 | 第30-31页 |
| 2.5 时间序列预测方法 | 第31-32页 |
| 2.6 实例研究 | 第32-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第三章 过程报警预测方法 | 第38-54页 |
| 3.1 引言 | 第38页 |
| 3.2 过程报警状态预测 | 第38-40页 |
| 3.2.1 过程报警事件序列 | 第38-39页 |
| 3.2.2 单变量报警状态预测 | 第39页 |
| 3.2.3 多变量报警状态预测 | 第39-40页 |
| 3.3 过程报警状态预测步骤 | 第40-45页 |
| 3.3.1 数据提取 | 第41-42页 |
| 3.3.2 模型建立 | 第42-43页 |
| 3.3.3 模型验证 | 第43-44页 |
| 3.3.4 在线预测 | 第44-45页 |
| 3.4 实例研究 | 第45-53页 |
| 3.4.1 单变量报警状态预测 | 第45-51页 |
| 3.4.2 多变量报警状态预测 | 第51-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 应用研究 | 第54-68页 |
| 4.1 引言 | 第54页 |
| 4.2 DMF回收过程报警预测 | 第54-63页 |
| 4.2.1 工艺过程 | 第54-55页 |
| 4.2.2 过程报警预测 | 第55-63页 |
| 4.3 应用系统 | 第63-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 结论与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 研究成果及发表的学术论文 | 第76-78页 |
| 作者及导师简介 | 第78-80页 |
| 附件 | 第80-81页 |
