基于GEP的过程监测和化工过程安全运行智能辅助系统研究与开发
| 摘要 | 第1-8页 |
| Abstract | 第8-16页 |
| 第一章 化工过程故障诊断技术概述 | 第16-30页 |
| ·研究背景与动机 | 第16-18页 |
| ·化工过程故障诊断技术 | 第18-26页 |
| ·化工过程故障诊断的一般性问题 | 第18-20页 |
| ·故障诊断技术与方法 | 第20-21页 |
| ·智能监控与故障诊断 | 第21-25页 |
| ·基于统计模型的分析方法 | 第25-26页 |
| ·化工过程故障诊断研究现状与存在的问题 | 第26-27页 |
| ·论文的主要研究内容与组织框架 | 第27-30页 |
| 第二章 基因表达式编程（GEP）介绍 | 第30-45页 |
| ·进化算法 | 第30-36页 |
| ·遗传算法（GA） | 第31-34页 |
| ·遗传编程 | 第34-36页 |
| ·基因表达式编程 | 第36-44页 |
| ·GEP的基本概念 | 第37-42页 |
| ·遗传操作 | 第42-44页 |
| ·GEP应用 | 第44页 |
| ·结束语 | 第44-45页 |
| 第三章 基于基因表达式编程的非线性特征提取 | 第45-62页 |
| ·PCA与KPCA的基本原理 | 第45-49页 |
| ·PCA基本原理 | 第45-48页 |
| ·KPCA基本原理 | 第48-49页 |
| ·基于基因表达式编程(GEP)的非线性特征提取 | 第49-54页 |
| ·案例 | 第54-61页 |
| ·案例一 | 第54-56页 |
| ·案例二 | 第56-58页 |
| ·案例三 | 第58-61页 |
| ·结束语 | 第61-62页 |
| 第四章 基于基因表达式编程的支持向量机分类 | 第62-76页 |
| ·支持向量机分类原理 | 第63-68页 |
| ·线性可分情况 | 第63-66页 |
| ·线性不可分的情况 | 第66-67页 |
| ·常用核函数 | 第67-68页 |
| ·基于基因表达式编程(GEP)核的特征提取及分类 | 第68-71页 |
| ·案例研究 | 第71-75页 |
| ·结束语 | 第75-76页 |
| 第五章 基于GEP的故障诊断知识抽取 | 第76-90页 |
| ·决策树基本算法 | 第77-81页 |
| ·决策树C4.5 算法简介 | 第78-79页 |
| ·C4.5 算法剪枝 | 第79-80页 |
| ·C4.5 规则提炼 | 第80-81页 |
| ·C4.5 的特点 | 第81页 |
| ·基于GEP的知识提取 | 第81-84页 |
| ·数据筛选 | 第81-82页 |
| ·变量模糊化与模糊运算 | 第82-83页 |
| ·两层GEP算法 | 第83-84页 |
| ·案例研究 | 第84-88页 |
| ·案例一 | 第85-87页 |
| ·案例二 | 第87-88页 |
| ·结束语 | 第88-90页 |
| 第六章 化工过程安全运行智能辅助系统开发 | 第90-138页 |
| ·系统设计 | 第90-98页 |
| ·系统要求及设计目标 | 第90-91页 |
| ·系统框架 | 第91-93页 |
| ·系统设计 | 第93-98页 |
| ·知识库设计 | 第98-106页 |
| ·知识表示 | 第98-100页 |
| ·知识组织 | 第100-101页 |
| ·知识库设计 | 第101-104页 |
| ·知识校验 | 第104-106页 |
| ·推理机的设计 | 第106-107页 |
| ·化工过程安全运行智能辅助系统开发 | 第107-121页 |
| ·综合数据库 | 第108-109页 |
| ·知识库 | 第109-111页 |
| ·知识获取工具实现 | 第111-119页 |
| ·推理子系统 | 第119-120页 |
| ·辅助功能子系统 | 第120-121页 |
| ·系统应用 | 第121-137页 |
| ·应用对象简介 | 第121-128页 |
| ·系统运行情况 | 第128-132页 |
| ·现场运行案例 | 第132-137页 |
| ·结束语 | 第137-138页 |
| 结论与展望 | 第138-141页 |
| 参考文献 | 第141-151页 |
| 攻读博士学位期间取得的研究成果 | 第151-153页 |
| 致谢 | 第153页 |
