首页--工业技术论文--建筑科学论文--地下建筑论文--市政工程论文--城市燃气供应论文--燃气设施的管理、维护、检修论文

压缩感知域智能天然气管道泄漏孔径识别研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-15页
    1.1 课题研究背景第10页
    1.2 研究现状第10-11页
    1.3 泄漏检测的挑战和机遇第11-13页
        1.3.1 面临的挑战第11-12页
        1.3.2 面临的机遇第12-13页
    1.4 本文的主要研究内容第13-15页
第2章 压缩感知域智能故障诊断相关理论第15-24页
    2.1 引言第15页
    2.2 传统故障诊断方法概述第15-16页
        2.2.1 传统方法处理过程第15-16页
        2.2.2 传统方法的局限性第16页
    2.3 基于压缩感知的数据采集第16-18页
        2.3.1 压缩感知理论基础第16-17页
        2.3.2 压缩采集测量矩阵第17-18页
        2.3.3 压缩感知在故障诊断中的应用第18页
    2.4 基于深度神经网络的故障识别第18-21页
        2.4.1 深度神经网络概述第19-21页
        2.4.2 深度神经网络在故障诊断领域的应用第21页
    2.5 基于压缩采集的智能故障诊断第21-22页
    2.6 本章小结第22-24页
第3章 基于压缩采集及稀疏滤波的泄漏孔径识别第24-39页
    3.1 引言第24页
    3.2 基于稀疏滤波的自适应特征提取第24-26页
        3.2.1 稀疏滤波特征分布第24-25页
        3.2.2 稀疏滤波学习算法第25-26页
    3.3 基于回归分类的泄漏孔径识别第26-28页
        3.3.1 回归分类概述第26-27页
        3.3.2 泄漏孔径的回归分类第27-28页
    3.4 本章方法处理过程第28-29页
    3.5 实验结果及分析第29-34页
        3.5.1 实验概述第29-30页
        3.5.2 压缩采集的重要作用第30-32页
        3.5.3 稀疏滤波输出特征数量影响第32页
        3.5.4 Softmax回归权重衰减项影响第32-33页
        3.5.5 Softmax回归分类器的重要性第33-34页
    3.6 所提方法与传统方法比较第34-38页
        3.6.1 模型训练第34-35页
        3.6.2 特征提取第35-36页
        3.6.3 诊断性能第36-38页
    3.7 本章小结第38-39页
第4章 基于压缩采集及去噪稀疏自编码的泄漏孔径识别第39-56页
    4.1 引言第39页
    4.2 基于去噪稀疏自编码的自适应特征提取第39-44页
        4.2.1 稀疏自编码原理第40页
        4.2.2 鲁棒性特征表达第40-41页
        4.2.3 过拟合特征校正第41-43页
        4.2.4 深度神经网络的预训练与微调第43-44页
    4.3 本章所提方法的处理过程第44-45页
    4.4 实验结果及分析第45-52页
        4.4.1 压缩采集的实现第46-49页
        4.4.2 输出特征数量的影响第49-50页
        4.4.3 鲁棒性增强第50页
        4.4.4 过拟合校正第50-52页
    4.5 本文方法与传统算法比较第52-55页
        4.5.1 模型训练第52-53页
        4.5.2 特征提取能力第53-54页
        4.5.3 诊断性能第54-55页
    4.6 本章小结第55-56页
结论第56-58页
参考文献第58-63页
攻读硕士学位期间承担的科研任务与主要成果第63-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:大挠度直梁混合变量变分原理及其应用
下一篇:基于节点重要度的城市供水网络抗毁性研究