基于独立成分分析的工业过程监测方法改进研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题背景及意义 | 第7-8页 |
| 1.2 工业过程监测方法 | 第8页 |
| 1.3 统计过程监测 | 第8-10页 |
| 1.4 本文内容安排 | 第10-13页 |
| 第二章 独立成分分析及其故障检测 | 第13-21页 |
| 2.1 引言 | 第13页 |
| 2.2 独立成分分析定义 | 第13-14页 |
| 2.3 独立成分估计判据 | 第14-15页 |
| 2.4 ICA数据预处理 | 第15-16页 |
| 2.4.1 数据的标准化 | 第15-16页 |
| 2.4.2 主成分分析和白化 | 第16页 |
| 2.5 独立成分分析算法 | 第16-18页 |
| 2.6 基于ICA的传统指标的过程监测 | 第18-19页 |
| 2.7 本章小结 | 第19-21页 |
| 第三章 基于ICA的概率密度指标的过程监测 | 第21-33页 |
| 3.1 引言 | 第21页 |
| 3.2 基于ICA的概率密度指标 | 第21-23页 |
| 3.3 基于ICA的概率密度指标的过程监测流程 | 第23-25页 |
| 3.4 TE仿真 | 第25-30页 |
| 3.4.1 TE过程简介 | 第25-27页 |
| 3.4.2 基于ICA概率密度指标的过程监测仿真 | 第27-30页 |
| 3.5 本章小结 | 第30-33页 |
| 第四章 基于ICA-ELM的工业过程故障分类 | 第33-47页 |
| 4.1 引言 | 第33页 |
| 4.2 极限学习算法 | 第33-36页 |
| 4.3 基于ICA-ELM的工业过程故障分类流程 | 第36-38页 |
| 4.4 ICA-ELM实验分析 | 第38-41页 |
| 4.4.1 实验数据 | 第38页 |
| 4.4.2 ICA-ELM实验及相关参数影响 | 第38-41页 |
| 4.5 ICA-ELM与其他方法比较 | 第41-43页 |
| 4.5.1 与BPNN相比 | 第41-42页 |
| 4.5.2 与PCA-ELM相比 | 第42页 |
| 4.5.3 与ICA结合其他神经网络方式相比 | 第42-43页 |
| 4.6 ICA-ELM进一步改进 | 第43-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 附录： 作者在攻读硕士期间发表的论文 | 第55页 |
