基于遗传算法的胎面挤出联动生产线故障诊断研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的研究目标与主要工作 | 第14-16页 |
| 第2章 胎面挤出联动生产线生产工艺 | 第16-24页 |
| 2.1 工艺流程 | 第16-18页 |
| 2.2 主要设备 | 第18-22页 |
| 2.2.1 密炼机 | 第18-19页 |
| 2.2.2 挤出机 | 第19-20页 |
| 2.2.3 预口型、终口型 | 第20-21页 |
| 2.2.4 压延机 | 第21页 |
| 2.2.5 开炼机 | 第21-22页 |
| 2.3 工艺要求与技术指标 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 胎面挤出联动生产线故障诊断方法 | 第24-34页 |
| 3.1 故障诊断方法综述 | 第24-28页 |
| 3.1.1 基于解析模型的方法 | 第25页 |
| 3.1.2 基于数据驱动的方法 | 第25-28页 |
| 3.2 胎面挤出联动生产线故障类型 | 第28-29页 |
| 3.3 数据的采集与预处理 | 第29-33页 |
| 3.3.1 数据的采集 | 第29-30页 |
| 3.3.2 数据的预处理 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 高维数据聚类方法研究 | 第34-53页 |
| 4.1 基本聚类算法 | 第34-36页 |
| 4.2 基于K近邻的AP聚类算法 | 第36-40页 |
| 4.2.1 AP聚类算法 | 第36-37页 |
| 4.2.2 K近邻算法 | 第37-39页 |
| 4.2.3 基于K近邻的AP聚类算法 | 第39-40页 |
| 4.3 改进的密度峰值聚类算法 | 第40-44页 |
| 4.3.1 密度峰值聚类算法简介 | 第40-42页 |
| 4.3.2 密度峰值聚类算法改进 | 第42-44页 |
| 4.4 实验及结果分析 | 第44-51页 |
| 4.4.1 数据集仿真结果与分析 | 第44-49页 |
| 4.4.2 胎面挤出联动生产线历史数据实验 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 基于改进遗传算法的分类研究 | 第53-70页 |
| 5.1 数据分类技术概述 | 第53-55页 |
| 5.1.1 数据分类的定义与方法 | 第53-54页 |
| 5.1.2 分类模型的评估标准 | 第54-55页 |
| 5.2 遗传算法概述 | 第55-56页 |
| 5.3 布谷鸟搜索算法 | 第56-58页 |
| 5.4 用于分类问题的改进遗传算法 | 第58-63页 |
| 5.4.1 个体编码方法 | 第58-59页 |
| 5.4.2 种群的初始化 | 第59页 |
| 5.4.3 适应度函数设计 | 第59-61页 |
| 5.4.4 交叉操作 | 第61页 |
| 5.4.5 复制与变异操作 | 第61-62页 |
| 5.4.6 集成分类器设计思想 | 第62页 |
| 5.4.7 算法流程图 | 第62-63页 |
| 5.5 实验及结果分析 | 第63-68页 |
| 5.5.1 UCI数据集实验与分析 | 第63-67页 |
| 5.5.2 胎面挤出联动生产线历史数据实验 | 第67-68页 |
| 5.6 本章小结 | 第68-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 结论 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间获得的科研成果 | 第76页 |
