深信度网络在发电设备故障诊断中的应用研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9页 |
| 1.3 论文主要工作 | 第9-11页 |
| 1.4 论文结构 | 第11-12页 |
| 第2章 相关研究现状 | 第12-19页 |
| 2.1 故障诊断 | 第12页 |
| 2.2 相关方法综述 | 第12-16页 |
| 2.2.1 基于专家系统的方法 | 第13页 |
| 2.2.2 基于人工神经网络的方法 | 第13-14页 |
| 2.2.3 基于遗传算法的方法 | 第14-15页 |
| 2.2.4 基于贝叶斯网络的方法 | 第15页 |
| 2.2.5 基于支持向量机的方法 | 第15-16页 |
| 2.2.6 基于深信度网络的方法 | 第16页 |
| 2.3 发电设备故障诊断研究现状 | 第16-17页 |
| 2.4 发电设备故障诊断发展趋势 | 第17-19页 |
| 第3章 深信度网络在发电设备故障诊断中的分析 | 第19-33页 |
| 3.1 需求分析 | 第19页 |
| 3.2 方法确定 | 第19-20页 |
| 3.3 模型构建 | 第20-25页 |
| 3.3.1 诊断模型构建的基本步骤 | 第21页 |
| 3.3.2 SMOTE算法 | 第21-22页 |
| 3.3.3 深信度网络分类 | 第22-25页 |
| 3.4 实验与结果分析 | 第25-32页 |
| 3.4.1 实验数据 | 第25-26页 |
| 3.4.2 实验过程 | 第26页 |
| 3.4.3 结果分析 | 第26-31页 |
| 3.4.4 基于传统分类算法的对比实验 | 第31-32页 |
| 3.5 小结 | 第32-33页 |
| 第4章 回归模型在发电设备故障预测中的分析 | 第33-45页 |
| 4.1 需求分析 | 第33页 |
| 4.2 方法确定 | 第33-34页 |
| 4.3 模型构建 | 第34-40页 |
| 4.3.1 预测模型构建的基本步骤 | 第34-35页 |
| 4.3.2 特征选择 | 第35页 |
| 4.3.3 故障预测模型 | 第35-39页 |
| 4.3.4 模型参数优化 | 第39-40页 |
| 4.4 实验与结果分析 | 第40-44页 |
| 4.4.1 数据选取 | 第40页 |
| 4.4.2 实验过程 | 第40-43页 |
| 4.4.3 结果分析 | 第43-44页 |
| 4.5 小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 发表论文和参加科研情况说明 | 第50-51页 |
| 致谢 | 第51-52页 |
