| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 选题背景以及意义 | 第9-10页 |
| 1.2 铝电解槽寿命的研究现状 | 第10-12页 |
| 1.3 现代工业设备寿命分析与管理概述 | 第12-15页 |
| 1.3.1 基于故障状态信息的分析诊断 | 第13页 |
| 1.3.2 基于异常现象信息的分析诊断 | 第13-14页 |
| 1.3.3 基于数据融合的分析诊断 | 第14-15页 |
| 1.4 课题的主要任务及章节安排 | 第15页 |
| 1.4.1 主要任务 | 第15页 |
| 1.4.2 章节安排 | 第15页 |
| 1.5 本章小节 | 第15-16页 |
| 第二章 铝电解槽特征子集选择 | 第16-30页 |
| 2.1 铝电解生产的数据特征以及数据预处理 | 第16-18页 |
| 2.1.1 铝电解生产中的重要工艺参数 | 第16-17页 |
| 2.1.2 铝电解生产中的数据特点 | 第17页 |
| 2.1.3 数据预处理 | 第17-18页 |
| 2.2 特征选择 | 第18-23页 |
| 2.2.1 特征选择过程 | 第18-19页 |
| 2.2.2 特征选择的子集评价与相似性度量 | 第19-21页 |
| 2.2.3 基于最大相关最小冗余(mRMR)的特征子集选择 | 第21-23页 |
| 2.3 铝电解槽数据集的特征选择 | 第23-29页 |
| 2.3.1 特征冗余对于数据分析的影响分析 | 第23-25页 |
| 2.3.2 特征选择在铝电解数据集的应用 | 第25-29页 |
| 2.4 本章小节 | 第29-30页 |
| 第三章 寿命时间序列时域分析 | 第30-50页 |
| 3.1 时间序列分析方法 | 第30-34页 |
| 3.1.1 数据分布分析 | 第30-31页 |
| 3.1.2 趋势分析: | 第31-33页 |
| 3.1.3 波动分析 | 第33-34页 |
| 3.2 多元时间序列聚类分析方法 | 第34-36页 |
| 3.2.1 kmeans算法 | 第34-35页 |
| 3.2.2 k-means算法中的优化参数 | 第35-36页 |
| 3.3 工艺参数序列的变化分析 | 第36-43页 |
| 3.4 电解槽综合聚类分析 | 第43-48页 |
| 3.5 结果分析 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 系统复杂度研究与多尺度特征提取 | 第50-62页 |
| 4.1 多分辨率多尺度熵 | 第50-53页 |
| 4.1.1 经验模态分解(EMD分解) | 第51-52页 |
| 4.1.2 样本熵与多尺度熵 | 第52-53页 |
| 4.2 基于复杂度的铝电解槽寿命时间序列分析 | 第53-58页 |
| 4.2.1 数据的经验模态分解 | 第54-55页 |
| 4.2.2 电解槽工艺参数数据的多尺度熵分析 | 第55-58页 |
| 4.2.3 结果分析 | 第58页 |
| 4.3 基于复杂度的电解槽寿命预测 | 第58-61页 |
| 4.3.1 电解槽寿命特征提取 | 第58-60页 |
| 4.3.2 电解槽寿命初步预测 | 第60-61页 |
| 4.4 本章小节 | 第61-62页 |
| 第五章 结论与展望 | 第62-64页 |
| 5.1 主要结论 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 在学期间的研究成果 | 第67-68页 |
| 致谢 | 第68页 |