基于支持向量机的精馏塔故障诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-21页 |
| ·研究背景及意义 | 第9-10页 |
| ·故障检测与诊断技术 | 第10-17页 |
| ·故障诊断的基本原理 | 第10-11页 |
| ·故障诊断方法综述 | 第11-16页 |
| ·故障诊断的发展趋势 | 第16-17页 |
| ·基于支持向量机的故障检测与诊断 | 第17-18页 |
| ·ASPEN PLUS流程模拟软件简介 | 第18-19页 |
| ·本文的主要研究内容和安排 | 第19-21页 |
| 第2章 统计学习理论与支持向量机 | 第21-39页 |
| ·引言 | 第21页 |
| ·机器学习问题理论 | 第21-26页 |
| ·机器学习的基本问题 | 第21-23页 |
| ·经验风险最小化原则 | 第23-25页 |
| ·机器学习的复杂性和推广能力 | 第25-26页 |
| ·统计学习理论 | 第26-28页 |
| ·VC维 | 第26页 |
| ·推广能力的界理论 | 第26-27页 |
| ·结构风险最小化原则 | 第27-28页 |
| ·支持向量机 | 第28-33页 |
| ·最优超平面的构造 | 第29-31页 |
| ·支持向量机分类算法推导 | 第31-33页 |
| ·核函数 | 第33页 |
| ·多值分类支持向量机 | 第33-38页 |
| ·解决n类问题的方法 | 第34页 |
| ·通过组合多个二值分类器来构造多类分类器 | 第34-37页 |
| ·算法比较 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于核主元分析的精馏塔故障检测的研究 | 第39-51页 |
| ·引言 | 第39页 |
| ·特征提取基本概念 | 第39-40页 |
| ·特征数据的压缩问题 | 第39-40页 |
| ·特征的选择与提取 | 第40页 |
| ·核函数主元分析 | 第40-45页 |
| ·核主元分析的基本原理 | 第41-43页 |
| ·核主元分析算法实现 | 第43-44页 |
| ·核函数 | 第44-45页 |
| ·醋酸脱水共沸精馏过程 | 第45-46页 |
| ·醋酸脱水共沸精馏过程简单介绍 | 第45页 |
| ·醋酸-水体系夹带剂筛选的研究 | 第45页 |
| ·醋酸-水-醋酸乙酯系统 | 第45-46页 |
| ·仿真研究 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于改进支持向量机的精馏塔故障诊断的研究 | 第51-64页 |
| ·引言 | 第51页 |
| ·遗传算法基本理论 | 第51-57页 |
| ·遗传算法的特点 | 第51-52页 |
| ·基本遗传算法 | 第52-57页 |
| ·基于改进的遗传算法的支持向量机参数选择 | 第57-61页 |
| ·支持向量机参数对其性能的影响 | 第57-58页 |
| ·支持向量机参数寻优方法 | 第58-59页 |
| ·基于改进遗传算法的支持向量机参数选择算法 | 第59-61页 |
| ·仿真研究 | 第61-63页 |
| ·KPCA-IGA-SVM集成诊断步骤 | 第61页 |
| ·故障诊断结果及分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| ·本文主要工作总结 | 第64页 |
| ·进一步讨论与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 作者在攻读硕士学位期间发表的论文 | 第72页 |
