基于数据的流程工业故障诊断方法研究
2020-09-07 13:59:39 0 举报AI智能生成
基于数据的流程工业故障诊断方法研究
作者其他创作
大纲/内容
6 基于BDKPCA及其改进算法的故障检测研究
6.1 引言
6.2 基于BDKPCA的故障检测[2]
6.2.1 移动时间窗
6.2.2 BDKPCA基本原理
6.2.3 基于BDKPCA的故障检测步骤
6.3 基于小波去噪与EFS-BDKPCA的故障检测
6.3.1 小波去噪简介
6.3.2 基于小波去噪与EFS-BDKPCA的故障检测步骤
6.4 仿 真 研 究
6.4.1 基于BDKPCA的故障检测仿真分析
6.4.2 基于小波与EFS-BDKPCA的故障检测仿真分析
6.5 小结
参 考 文 献
7 学习矢量量化神经网络
7.1 引言
7.2 神经网络简介
7.2.1 人工神经元模型
7.2.2 多层前馈神经网络模型
7.3 LVQ神经网络
7.3.1 LVQ神经网络结构
7.3.2 LVQ神经网络实现规则
7.4 PCA-LVQ神经网络[2]
7.4.1 基于PCA-LVQ的故障检测仿真分析
7.4.2 基于PCA-LVQ的故障诊断仿真分析
7.5 小结
参 考 文 献
8 基于IIWPSO-PNN的故障诊断
8.1 引言
8.2 PNN简介
8.2.1 模式识别Bayes判决理论
8.2.2 PNN网络结构
8.2.3 PNN算法
8.3 IIWPSO算法
8.3.1 PSO的基本形式
8.3.2 PSO控制参数
8.3.3 IIWPSO算法[6]
8.4 IIWPSO-PNN训练过程[6]
8.5 仿 真 分 析
8.5.1 数值仿真
8.5.2 基于IIWPSO-PNN的故障检测仿真分析
8.5.3 基于IIWPSO-PNN的故障诊断仿真分析
8.6 小结
参 考 文 献
9 基于神经网络集成的故障诊断
9.1 引言
9.2 集成神经网络
9.2.1 神经网络集成的机理研究
9.2.2 个体生成方式研究
9.2.3 结论生成方式研究
9.3 IIWPSO-PNN集成算法
9.4 仿 真 分 析
9.4.1 UCI标准机器学习库
9.4.2 基于IIWPSO-PNN集成的故障检测仿真分析
9.4.3 基于IIWPSO-PNN集成的故障诊断仿真分析
9.5 小结
参 考 文 献
10 流程工业数据建模方法与大数据建模
10.1 引言
10.2 大数据概述
10.2.1 大数据的定义
10.2.2 我国的大数据发展
10.2.3 大数据的研究意义
10.2.4 大数据发展趋势
10.3 大数据的特点与研究领域
10.3.1 大数据的特点从3V到6V大数据定义演变
10.3.2 大数据的研究领域
10.3.3 流程工业大数据的特点
10.4 数据建模方法
10.4.1 流程工业数据建模方法[8]
10.4.2 互联网公司大数据建模方法
10.4.3 流程工业大数据建模[6]
10.5 流程工业大数据的挑战和机遇
10.5.1 流程工业大数据特点给传统数据建模方法带来的挑战
10.5.2 计算机学科大数据最新进展带来的机遇[18]
10.6 流程工业大数据建模最新进展与研究展望
10.6.1 多层面潜结构建模
10.6.2 多时空时间序列数据建模
10.6.3 含有不真实数据的鲁棒建模
10.6.4 支持实时建模的大容量数据计算架构与方法
10.7 结论
参 考 文 献
1 绪论
1.1 概述
1.1.1 流程工业故障诊断研究意义
1.1.2 故障诊断的任务
1.1.3 故障诊断的实现过程
1.1.4 故障诊断方法分类
1.2 基于解析模型的方法
1.3 基于历史数据的方法
1.3.1 基于信号处理的方法
1.3.2 多元统计方法[34]
1.3.3 神经网络和专家系统
1.3.4 基于数据的方法与模式识别方法的关系
1.4 流程工业故障诊断研究进展
1.4.1 多元统计方法
1.4.2 基于神经网络的方法
1.5 本书内容安排
参 考 文 献
2 流程工业故障检测与诊断的多元统计方法
2.1 引言
2.2 多元统计方法
2.2.1 主元分析法
2.2.2 Fisher判据分析法
2.2.3 部分最小二乘法
2.2.4 典型相关分析
2.2.5 独立元分析法
2.2.6 几种多元统计方法在瑞利商下的统一
2.3 故障的检测和辨识
2.3.1 基于T2和Q统计量的故障检测
2.3.2 基于I2统计量的故障检测
2.3.3 基于Bayes分类器的故障辨识
2.4 仿 真 算 例
2.4.1 仿真数据介绍
2.4.2 故障检测和诊断步骤
2.5 小结
参 考 文 献
3 基于LGSPP的故障检测与辨识
3.1 引言
3.2 LGSPP算法
3.2.1 LPP算法描述
3.2.2 LGSPP算法描述
3.3 基于LGSPP的故障检测与辨识
3.3.1 T 2和SPE统计量构造
3.3.2 基于Bayes分类器的故障检测与辨识
3.4 基于DLGSPP的故障检测
3.4.1 DLGSPP的基本原理
3.4.2 基于DLGSPP的故障检测
3.5 仿 真 研 究
3.5.1 基于LGSPP的故障检测仿真研究
3.5.2 基于DLGSPP的故障检测仿真研究
3.6 小结
参 考 文 献
4 基于LNS-LGSPP的多模态过程故障检测
4.1 引言
4.2 局部近邻标准化策略
4.2.1 z-score标准化法
4.2.2 局部近邻标准化处理
4.2.3 局部近邻标准化分析
4.3 基于LNS-LGSPP算法的故障检测
4.4 仿 真 分 析
4.4.1 数值仿真
4.4.2 TE过程
4.5 小结
参 考 文 献
5 基于DKPCA及其改进算法的故障检测研究
5.1 引言
5.2 KPCA原理[1]
5.3 基于DKPCA的故障检测
5.3.1 动态数据矩阵
5.3.2 核函数及核参的选取
5.3.3 基于DKPCA的故障检测步骤
5.4 基于EFS-DKPCA的故障检测[9]
5.4.1 正交基的构造
5.4.2 输入空间到特征子空间的映射
5.4.3 基于EFS-DKPCA的故障检测步骤
5.5 仿 真 研 究
5.5.1 基于DKPCA的故障检测仿真分析
5.5.2 基于EFS-DKPCA的故障检测仿真分析
5.6 小结
参 考 文 献
0 条评论
下一页
