| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究背景 | 第12-15页 |
| 1.1.1 物联网与工业智能化 | 第12-13页 |
| 1.1.2 智能制造故障诊断概述 | 第13-14页 |
| 1.1.3 智能制造质量预测概述 | 第14-15页 |
| 1.2 研究目的和意义 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.4 本文内容安排 | 第18-20页 |
| 第二章 相关技术介绍与分析 | 第20-32页 |
| 2.1 随机森林 | 第20-21页 |
| 2.2 单分类支持向量机 | 第21-24页 |
| 2.3 偏最小二乘法 | 第24-26页 |
| 2.4 主成分分析法 | 第26-28页 |
| 2.5 循环神经网络 | 第28-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 基于随机森林和单分类支持向量机的石油生产故障诊断 | 第32-46页 |
| 3.1 石油生产提炼过程 | 第32-33页 |
| 3.2 故障诊断模型的设计和实现 | 第33-40页 |
| 3.2.1 故障诊断模型需求分析 | 第33-34页 |
| 3.2.2 石油生产提炼数据特征 | 第34-35页 |
| 3.2.3 数据预处理 | 第35-36页 |
| 3.2.4 基于随机森林的特征选择 | 第36-39页 |
| 3.2.5 单分类支持向量机分类模型的设计与建立 | 第39-40页 |
| 3.3 仿真结果与分析 | 第40-43页 |
| 3.3.1 误差衡量 | 第40-41页 |
| 3.3.2 仿真结果 | 第41-43页 |
| 3.4 本章小结 | 第43-46页 |
| 第四章 基于核主成分分析和循环神经网络的石油产品质量预测 | 第46-64页 |
| 4.1 石油产品质量检测流程 | 第46-47页 |
| 4.2 模型的设计和实现 | 第47-57页 |
| 4.2.1 数据预处理 | 第47-48页 |
| 4.2.2 基于核主成分分析的特征选择 | 第48-50页 |
| 4.2.3 循环神经网络模型的设计与构建 | 第50-57页 |
| 4.3 仿真结果与分析 | 第57-62页 |
| 4.3.1 误差衡量 | 第58页 |
| 4.3.2 仿真结果 | 第58-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-68页 |
| 5.1 本文研究成果总结 | 第64-65页 |
| 5.2 未来工作展望 | 第65-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |