| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究目的和意义 | 第15-16页 |
| 1.1.1 聚乙烯流化床技术简介 | 第15页 |
| 1.1.2 流化床技术中存在的问题 | 第15-16页 |
| 1.2 国内外研究现状及发展趋势 | 第16-19页 |
| 1.3 多传感器信息融合的发展概述 | 第19-20页 |
| 1.4 本文主要内容及结构安排 | 第20-23页 |
| 第二章 流化床实验装置及结块监测系统设计 | 第23-35页 |
| 2.1 气相PE流化床装置简介 | 第23-27页 |
| 2.1.1 气相PE流化床生产装置 | 第23-24页 |
| 2.1.2 流化床冷模实验装置介绍 | 第24-27页 |
| 2.2 基于声发射检测技术的流化床结块监测系统设计 | 第27-33页 |
| 2.2.1 流化床内声信号来源分析 | 第27-28页 |
| 2.2.2 实验平台设计与实现 | 第28-30页 |
| 2.2.3 监测系统软件部分设计与开发 | 第30-33页 |
| 2.3 冷模实验方案设计 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 流化床内声波振动信号的声纹特征提取 | 第35-49页 |
| 3.1 引言 | 第35页 |
| 3.2 声波振动信号分析 | 第35-39页 |
| 3.2.1 信号的时域分析 | 第36-37页 |
| 3.2.2 信号的频域分析 | 第37-39页 |
| 3.3 传统声纹特征提取技术及分析 | 第39-45页 |
| 3.3.1 原始信号的预处理 | 第39-40页 |
| 3.3.2 信号的LPCC特征参数提取 | 第40-42页 |
| 3.3.3 信号的MFCC特征参数提取 | 第42-45页 |
| 3.4 LP-MFCCs特征参数提取 | 第45-48页 |
| 3.4.1 LP-MFCCs特征参数 | 第45-46页 |
| 3.4.2 声纹特征参数稳定性与可分性分析 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于极限学习机的流化床结块监测模型 | 第49-65页 |
| 4.1 引言 | 第49页 |
| 4.2 极限学习机简介 | 第49-53页 |
| 4.2.1 传统神经网络 | 第49-52页 |
| 4.2.2 极限学习机 | 第52-53页 |
| 4.3 极限学习机算法 | 第53-56页 |
| 4.4 ELM柔化输出模型 | 第56-57页 |
| 4.5 基于ELM的流化床结块监测 | 第57-63页 |
| 4.5.1 基于ELM的结块监测算法 | 第57-58页 |
| 4.5.2 激活函数的选取 | 第58-59页 |
| 4.5.3 节点数目分析 | 第59-60页 |
| 4.5.4 实验结果及分析 | 第60-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 基于多传感器信息融合的流化床结块监测系统 | 第65-79页 |
| 5.1 引言 | 第65页 |
| 5.2 多传感器信息融合的基础理论 | 第65-70页 |
| 5.2.1 信息融合技术的概念 | 第65-66页 |
| 5.2.2 信息融合技术的层级结构 | 第66-68页 |
| 5.2.3 信息融合技术的融合算法 | 第68-70页 |
| 5.3 流化床结块监测系统的多传感器应用分析 | 第70页 |
| 5.4 基于模糊积分融合技术的流化床结块监测 | 第70-77页 |
| 5.4.1 模糊积分融合算法 | 第71-72页 |
| 5.4.2 基于模糊积分融合技术的结块监测结构框架 | 第72-73页 |
| 5.4.3 实验结果及分析 | 第73-77页 |
| 5.5 本章小结 | 第77-79页 |
| 第六章 流化床结块故障监测软件 | 第79-91页 |
| 6.1 监测软件简介 | 第79-80页 |
| 6.2 功能及操作 | 第80-89页 |
| 6.3 本章小结 | 第89-91页 |
| 第七章 总结与展望 | 第91-93页 |
| 7.1 总结 | 第91-92页 |
| 7.2 展望 | 第92-93页 |
| 参考文献 | 第93-99页 |
| 致谢 | 第99-101页 |
| 研究成果及发表的学术论文 | 第101-103页 |
| 作者和导师简介 | 第103-105页 |
| 附件 | 第105-106页 |