基于深度学习的微波加热过程温度异常检测系统研发
中文摘要 | 第3-4页 |
英文摘要 | 第4-5页 |
1 绪论 | 第8-15页 |
1.1 研究背景与意义 | 第8-9页 |
1.2 课题来源 | 第9页 |
1.3 国内外研究现状 | 第9-11页 |
1.3.1 微波加热控制技术研究现状 | 第9-10页 |
1.3.2 深度学习在控制领域的研究现状 | 第10-11页 |
1.4 课题目标 | 第11-12页 |
1.5 本文的主要研究内容和章节安排 | 第12-15页 |
1.5.1 主要研究内容 | 第12页 |
1.5.2 本文组织结构 | 第12-13页 |
1.5.3 本文研究思路 | 第13-15页 |
2 微波加热工况数据采集 | 第15-19页 |
2.1 实验环境 | 第15-16页 |
2.2 实验流程 | 第16-17页 |
2.3 数据描述 | 第17-19页 |
3 微波加热过程深度特征提取算法研究 | 第19-38页 |
3.1 特征提取算法概述 | 第19-26页 |
3.1.1 主成分分析 | 第19-20页 |
3.1.2 线性判别分析法 | 第20-21页 |
3.1.3 卷积神经网络 | 第21-23页 |
3.1.4 自动编码 | 第23-25页 |
3.1.5 特征提取方法小结 | 第25-26页 |
3.2 数据预处理 | 第26-27页 |
3.3 卷积神经网络模型构建与参数选取 | 第27-30页 |
3.3.1 卷积神经网络结构设定 | 第29页 |
3.3.2 卷积神经网络参数设定 | 第29-30页 |
3.4 卷积神经网络模型调参 | 第30-34页 |
3.5 卷积神经网络模型实验仿真验证 | 第34-36页 |
3.6 本章小结 | 第36-38页 |
4 基于孤立森林的媒介温度异常检测算法研究 | 第38-50页 |
4.1 异常检测算法概述 | 第38-43页 |
4.1.1 基于高斯分布的异常检测 | 第38-39页 |
4.1.2 基于距离的异常检测 | 第39-40页 |
4.1.3 基于密度的异常检测 | 第40-41页 |
4.1.4 基于聚类的异常检测 | 第41页 |
4.1.5 基于孤立森林的异常检测 | 第41-43页 |
4.1.6 异常检测方法小结 | 第43页 |
4.2 温度局部过热检测模型构建与参数选取 | 第43-44页 |
4.3 温度局部过热检测模型实验仿真验证 | 第44-49页 |
4.4 本章小结 | 第49-50页 |
5 面向微波加热过程的温度局部过热检测系统研发 | 第50-57页 |
5.1 微波加热媒介的温度局部过热检测系统结构 | 第50-52页 |
5.2 微波加热的温度局部过热检测系统 | 第52-56页 |
5.2.1 核心控制模块 | 第53-54页 |
5.2.2 数据采集与传输模块 | 第54-55页 |
5.2.3 检测算法模块 | 第55-56页 |
5.3 本章小结 | 第56-57页 |
6 总结与展望 | 第57-59页 |
6.1 总结 | 第57-58页 |
6.2 展望 | 第58-59页 |
致谢 | 第59-60页 |
参考文献 | 第60-64页 |
附录 | 第64页 |
A.作者在攻读学位期间发表的论文目录 | 第64页 |
B.作者在攻读学位期间取得的科研成果目录 | 第64页 |