石化复杂系统故障诊断方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源、背景及研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 主要研究内容 | 第15-17页 |
| 第2章 基于PCA的故障监测方法 | 第17-36页 |
| 2.1 主元分析 | 第17-21页 |
| 2.1.1 主元分析原理 | 第17-18页 |
| 2.1.2 主元分析的模型及其算法 | 第18-20页 |
| 2.1.3 主元数目的确定 | 第20-21页 |
| 2.2 故障监测统计量T~2和SPE | 第21-24页 |
| 2.2.1 T~2统计量 | 第21页 |
| 2.2.2 SPE统计量 | 第21-22页 |
| 2.2.3 统计量监测结果分析 | 第22-23页 |
| 2.2.4 主元分析故障监测算法步骤 | 第23-24页 |
| 2.3 基于PCA的故障监测方法应用实例 | 第24-34页 |
| 2.3.1 工艺流程简述 | 第25页 |
| 2.3.2 工艺监测变量 | 第25-26页 |
| 2.3.3 故障类型 | 第26-27页 |
| 2.3.4 故障监测样本 | 第27-30页 |
| 2.3.5 故障监测模型的建立 | 第30-32页 |
| 2.3.6 在线工况监测 | 第32-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 基于BP神经网络的故障诊断方法 | 第36-63页 |
| 3.1 人工神经网络 | 第36-38页 |
| 3.2 BP神经网络 | 第38-41页 |
| 3.2.1 BP神经网络的结构及算法 | 第38-40页 |
| 3.2.2 基于BP神经网络故障诊断 | 第40-41页 |
| 3.3 基于BP神经网络的故障诊断应用实例 | 第41-48页 |
| 3.4 基于DS证据理论的数据融合 | 第48-52页 |
| 3.4.1 DS证据理论的基本概念 | 第49-50页 |
| 3.4.2 DS证据理论的合成规则 | 第50-51页 |
| 3.4.3 基于DS证据理论的故障诊断方法 | 第51-52页 |
| 3.5 在线工况的故障诊断 | 第52-62页 |
| 3.5.1 基于BP神经网络的故障诊断 | 第52-58页 |
| 3.5.2 基于DS证据理论的故障诊断 | 第58-62页 |
| 3.6 本章小结 | 第62-63页 |
| 第4章 基于RBF神经网络的故障诊断方法 | 第63-77页 |
| 4.1 RBF神经网络 | 第63-66页 |
| 4.2 基于RBF神经网络的故障诊断应用实例 | 第66-76页 |
| 4.2.1 RBF故障诊断系统的建立 | 第66-69页 |
| 4.2.2 RBF神经网络和BP神经网络的对比 | 第69-70页 |
| 4.2.3 基于RBF神经网络在线工况的故障诊断 | 第70-76页 |
| 4.2.4 两种在线故障诊断方法结果对比 | 第76页 |
| 4.3 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 作者简介 | 第85页 |
