基于深度學習的微波加熱過程溫度異常檢測系統(tǒng)研發(fā)
發(fā)布時間:2023-03-04 10:59
微波加熱作為一種新型的加熱技術手段,由于它具有高效率、快速加熱、無二次污染等優(yōu)勢。能夠用來代替?zhèn)鹘y(tǒng)的加熱方式,應用于高能耗的大型工業(yè)加熱中。與利用煤炭等化石燃料進行加熱的方式相比,微波加熱是利用微波能與加熱媒介直接進行能量傳遞,是一種更加高效率的加熱方法。采用這種新型加熱方法,能夠在很大程度上提高能源的利用效率,從而實現(xiàn)節(jié)能和環(huán)境保護的效果,因此對這種加熱技術的探索具有劃時代的意義。然而在微波加熱過程中被加熱媒介對微波的吸收能力會隨著時間和溫度的劇烈變化而產(chǎn)生變化。并且在加熱過程中,會存在時變電磁場和溫度場之間的強耦合等復雜情況,且這種耦合情況是高度非線性且十分復雜的。在這些因素的影響下,被加熱的媒介可能會產(chǎn)生不均勻的受熱或局部過熱,嚴重時甚至引起爆炸事故。此外,由于微波磁控管受工業(yè)工藝技術的限制而導致微波功率輸出存在非線性約束問題,并且在加熱過程存在非線性與強耦合等不穩(wěn)定性因素,因此對加熱過程構建精準的機理數(shù)學模型是比較困難的。在后來的實際研究過程中,微波加熱過程的近似機理數(shù)學模型被提出,但是受制于實際被控對象和近似機理模型的輸入輸出存在差異。系統(tǒng)的動態(tài)特性往往不能被精確反映,使得系...
【文章頁數(shù)】:64 頁
【學位級別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 緒論
1.1 研究背景與意義
1.2 課題來源
1.3 國內(nèi)外研究現(xiàn)狀
1.3.1 微波加熱控制技術研究現(xiàn)狀
1.3.2 深度學習在控制領域的研究現(xiàn)狀
1.4 課題目標
1.5 本文的主要研究內(nèi)容和章節(jié)安排
1.5.1 主要研究內(nèi)容
1.5.2 本文組織結構
1.5.3 本文研究思路
2 微波加熱工況數(shù)據(jù)采集
2.1 實驗環(huán)境
2.2 實驗流程
2.3 數(shù)據(jù)描述
3 微波加熱過程深度特征提取算法研究
3.1 特征提取算法概述
3.1.1 主成分分析
3.1.2 線性判別分析法
3.1.3 卷積神經(jīng)網(wǎng)絡
3.1.4 自動編碼
3.1.5 特征提取方法小結
3.2 數(shù)據(jù)預處理
3.3 卷積神經(jīng)網(wǎng)絡模型構建與參數(shù)選取
3.3.1 卷積神經(jīng)網(wǎng)絡結構設定
3.3.2 卷積神經(jīng)網(wǎng)絡參數(shù)設定
3.4 卷積神經(jīng)網(wǎng)絡模型調(diào)參
3.5 卷積神經(jīng)網(wǎng)絡模型實驗仿真驗證
3.6 本章小結
4 基于孤立森林的媒介溫度異常檢測算法研究
4.1 異常檢測算法概述
4.1.1 基于高斯分布的異常檢測
4.1.2 基于距離的異常檢測
4.1.3 基于密度的異常檢測
4.1.4 基于聚類的異常檢測
4.1.5 基于孤立森林的異常檢測
4.1.6 異常檢測方法小結
4.2 溫度局部過熱檢測模型構建與參數(shù)選取
4.3 溫度局部過熱檢測模型實驗仿真驗證
4.4 本章小結
5 面向微波加熱過程的溫度局部過熱檢測系統(tǒng)研發(fā)
5.1 微波加熱媒介的溫度局部過熱檢測系統(tǒng)結構
5.2 微波加熱的溫度局部過熱檢測系統(tǒng)
5.2.1 核心控制模塊
5.2.2 數(shù)據(jù)采集與傳輸模塊
5.2.3 檢測算法模塊
5.3 本章小結
6 總結與展望
6.1 總結
6.2 展望
致謝
參考文獻
附錄
A.作者在攻讀學位期間發(fā)表的論文目錄
B.作者在攻讀學位期間取得的科研成果目錄
本文編號:3754164
【文章頁數(shù)】:64 頁
【學位級別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 緒論
1.1 研究背景與意義
1.2 課題來源
1.3 國內(nèi)外研究現(xiàn)狀
1.3.1 微波加熱控制技術研究現(xiàn)狀
1.3.2 深度學習在控制領域的研究現(xiàn)狀
1.4 課題目標
1.5 本文的主要研究內(nèi)容和章節(jié)安排
1.5.1 主要研究內(nèi)容
1.5.2 本文組織結構
1.5.3 本文研究思路
2 微波加熱工況數(shù)據(jù)采集
2.1 實驗環(huán)境
2.2 實驗流程
2.3 數(shù)據(jù)描述
3 微波加熱過程深度特征提取算法研究
3.1 特征提取算法概述
3.1.1 主成分分析
3.1.2 線性判別分析法
3.1.3 卷積神經(jīng)網(wǎng)絡
3.1.4 自動編碼
3.1.5 特征提取方法小結
3.2 數(shù)據(jù)預處理
3.3 卷積神經(jīng)網(wǎng)絡模型構建與參數(shù)選取
3.3.1 卷積神經(jīng)網(wǎng)絡結構設定
3.3.2 卷積神經(jīng)網(wǎng)絡參數(shù)設定
3.4 卷積神經(jīng)網(wǎng)絡模型調(diào)參
3.5 卷積神經(jīng)網(wǎng)絡模型實驗仿真驗證
3.6 本章小結
4 基于孤立森林的媒介溫度異常檢測算法研究
4.1 異常檢測算法概述
4.1.1 基于高斯分布的異常檢測
4.1.2 基于距離的異常檢測
4.1.3 基于密度的異常檢測
4.1.4 基于聚類的異常檢測
4.1.5 基于孤立森林的異常檢測
4.1.6 異常檢測方法小結
4.2 溫度局部過熱檢測模型構建與參數(shù)選取
4.3 溫度局部過熱檢測模型實驗仿真驗證
4.4 本章小結
5 面向微波加熱過程的溫度局部過熱檢測系統(tǒng)研發(fā)
5.1 微波加熱媒介的溫度局部過熱檢測系統(tǒng)結構
5.2 微波加熱的溫度局部過熱檢測系統(tǒng)
5.2.1 核心控制模塊
5.2.2 數(shù)據(jù)采集與傳輸模塊
5.2.3 檢測算法模塊
5.3 本章小結
6 總結與展望
6.1 總結
6.2 展望
致謝
參考文獻
附錄
A.作者在攻讀學位期間發(fā)表的論文目錄
B.作者在攻讀學位期間取得的科研成果目錄
本文編號:3754164
本文鏈接:http://sikaile.net/kejilunwen/dianzigongchenglunwen/3754164.html
教材專著