| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题的研究背景与意义 | 第13-15页 |
| 1.1.1 聚乙烯生产技术及气固流化床 | 第13-14页 |
| 1.1.2 气固流化床结块故障及其原因 | 第14-15页 |
| 1.2 相关领域的研究现状分析 | 第15-17页 |
| 1.2.1 结块故障监测与诊断技术 | 第15-17页 |
| 1.2.2 研究方法分析比较 | 第17页 |
| 1.3 本文的主要研究内容 | 第17-19页 |
| 第二章 气固流化床结块声波采集系统 | 第19-31页 |
| 2.1 结块声波采集系统整体结构 | 第19-20页 |
| 2.2 气相法聚乙烯中试装置 | 第20-22页 |
| 2.2.1 中试装置环境简介 | 第20-21页 |
| 2.2.2 中试装置工艺介绍 | 第21-22页 |
| 2.3 结块声波采集系统硬件设计 | 第22-28页 |
| 2.3.1 压电式声波传感器 | 第22-24页 |
| 2.3.2 现场监测终端 | 第24-28页 |
| 2.4 结块声波采集系统软件设计 | 第28-30页 |
| 2.4.1 监测终端嵌入式程序设计 | 第28-29页 |
| 2.4.2 监控机服务器程序设计 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 声波信号特征提取方法 | 第31-43页 |
| 3.1 多种声波信号特征分析 | 第31-34页 |
| 3.1.1 声波时域特征 | 第31-33页 |
| 3.1.2 声波频域特征 | 第33-34页 |
| 3.1.3 声波信息熵特征 | 第34页 |
| 3.2 不同特征对比分析 | 第34-37页 |
| 3.3 基于加权主成分分析的特征提取方法 | 第37-40页 |
| 3.3.1 主成分分析方法介绍 | 第37-38页 |
| 3.3.2 基于ReliefF的加权主成分分析方法 | 第38-40页 |
| 3.4 特征提取结果比较分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于主动学习支持向量机的诊断方法 | 第43-51页 |
| 4.1 主动学习方法介绍 | 第43-45页 |
| 4.1.1 主动学习概述 | 第43-44页 |
| 4.1.2 主动学习算法原理 | 第44-45页 |
| 4.2 主动学习支持向量机方法 | 第45-49页 |
| 4.2.1 基于ST统计量的样本选取策略 | 第45-46页 |
| 4.2.2 支持向量机方法介绍 | 第46-48页 |
| 4.2.3 基于主动学习支持向量机的诊断方法 | 第48-49页 |
| 4.3 本章小结 | 第49-51页 |
| 第五章 结块故障诊断实验与结果分析 | 第51-61页 |
| 5.1 ALSVM诊断模型建立 | 第51-55页 |
| 5.2 结块故障诊断 | 第55-58页 |
| 5.3 操作干扰对结块诊断的影响 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 研究成果及发表的学术论文 | 第69-71页 |
| 作者及导师简介 | 第71-73页 |
| 附件 | 第73-74页 |