首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

深度学习在球磨机料位软测量建模中的应用研究

摘要第3-6页
ABSTRACT第6-8页
目录第9-11页
图索引第11-12页
表索引第12-13页
第1章 绪论第13-19页
    1.1 课题研究目的及意义第13页
    1.2 国内外研究现状第13-16页
    1.3 本文主要研究内容第16-19页
第2章 球磨机料位软测量方法概述第19-27页
    2.1 球磨机的工作原理第19-22页
        2.1.1 制粉系统概述第19-20页
        2.1.2 球磨机料位测量方法概述第20-22页
        2.1.3 轴承振动信号反映球磨机料位原理第22页
    2.2 软测量技术理论和方法第22-25页
        2.2.1 软测量的定义第22-23页
        2.2.2 软测量建模过程第23-24页
        2.2.3 软测量技术的工业应用第24-25页
    2.3 本章小结第25-27页
第3章 深度学习及深度信念网络第27-39页
    3.1 深度学习概述第27-29页
        3.1.1 深度学习的基本思想第27-28页
        3.1.2 深度学习的常用方法第28-29页
    3.2 受限玻尔兹曼机第29-35页
        3.2.1 受限玻尔兹曼机定义第29-32页
        3.2.2 受限玻尔兹曼机学习算法第32-35页
    3.3 深度信念网络第35-38页
        3.3.1 深度信念网络的定义第35-36页
        3.3.2 深度信念网络的训练第36-37页
        3.3.3 DBN的特征提取机制第37-38页
    3.4 本章小结第38-39页
第4章 基于深度学习的球磨机料位软测量实现第39-57页
    4.1 实验数据采集及处理第39-41页
    4.2 轴承振动信号随料位的变化分析第41-42页
    4.3 DBN与PCA、PLS对振动信号特征提取实验对比第42-46页
        4.3.1 PCA算法基础理论第42页
        4.3.2 PLS算法基础理论第42-43页
        4.3.3 DBN与PCA、PLS对振动信号特征提取实验对比第43-46页
    4.4 软测量建模第46-47页
        4.4.1 基于深度信念网络的料位软测量建模第46-47页
        4.4.2 模型测试方法第47页
    4.5 结果与分析第47-53页
        4.5.1 测量精度分析第47-51页
        4.5.2 测量稳定性分析第51-53页
    4.6 补充实验第53-55页
        4.6.1 全样本补充实验第53-54页
        4.6.2 缺失样本补充实验第54-55页
        4.6.3 讨论与分析第55页
    4.7 本章小结第55-57页
第5章 总结和展望第57-59页
附录1 三种特征提取方法提取的特征图第59-61页
参考文献第61-67页
致谢第67-69页
攻读学位期间发表的学术论文目录第69页

论文共69页,点击 下载论文
上一篇:公共卫生安全类事件的网络舆情研究
下一篇:基于Android系统的远程监控与控制系统的设计与实现