發(fā)布時間：2017-09-19 03:39

  本文關(guān)鍵詞：基于高斯伯努利受限玻爾茲曼機(jī)的過程監(jiān)測研究

  更多相關(guān)文章： 過程監(jiān)測 故障檢測 故障分類 高斯伯努利受限玻爾茲曼機(jī) 復(fù)雜工業(yè)過程

【摘要】：過程監(jiān)測技術(shù)是實(shí)現(xiàn)現(xiàn)代流程工業(yè)綜合自動化的重要環(huán)節(jié),對于保障過程運(yùn)行平穩(wěn)和產(chǎn)品質(zhì)量有著重要研究意義和應(yīng)用價值。隨著信息技術(shù)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展,信息采集、存儲和傳輸成本大幅降低,流程工業(yè)中分布了大量的傳感器和集散控制系統(tǒng),工業(yè)企業(yè)采集到海量的生產(chǎn)過程實(shí)時數(shù)據(jù),基于數(shù)據(jù)驅(qū)動的過程監(jiān)測方法在過程監(jiān)測領(lǐng)域取得了很大的成果和應(yīng)用。然而,傳統(tǒng)的過程監(jiān)測方法沒有考慮到實(shí)際復(fù)雜工業(yè)過程的大數(shù)據(jù)、非線性、有標(biāo)簽樣本不均衡等特點(diǎn),在實(shí)際應(yīng)用時有一定局限性。為此,本文在總結(jié)前人工作的基礎(chǔ)上,研究了基于高斯伯努利受限玻爾茲曼機(jī)的過程監(jiān)測方法,主要研究工作如下：(1)介紹了過程監(jiān)測的課題背景、基本概念和研究意義,闡述了過程監(jiān)測領(lǐng)域的主要研究內(nèi)容和發(fā)展情況,結(jié)合實(shí)際工業(yè)過程中的數(shù)據(jù)特性,分析了基于受限玻爾茲曼機(jī)在過程監(jiān)測中的適用性和研究意義。(2)針對復(fù)雜工業(yè)過程大數(shù)據(jù)、非線性特點(diǎn),將高斯伯努利受限玻爾茲曼機(jī)(GRBM)應(yīng)用于非線性過程數(shù)據(jù)建模,提出了基于GRBM模型的非線性過程故障檢測算法。通過特征學(xué)習(xí)和數(shù)據(jù)重構(gòu)獲取隱層非線性特征和重構(gòu)數(shù)據(jù),分別在特征空間和殘差空間構(gòu)建檢測量,實(shí)現(xiàn)了故障檢測。(3)提出了一種基于半監(jiān)督高斯伯努利受限玻爾茲曼機(jī)(SS-GRBM)的工業(yè)過程故障分類算法,既能夠?qū)W習(xí)無標(biāo)簽樣本的特征結(jié)構(gòu),還能利用有標(biāo)簽數(shù)據(jù)中的標(biāo)簽信息,有效地解決了傳統(tǒng)有監(jiān)督學(xué)習(xí)方法在有標(biāo)簽樣本不均衡情況下無法利用無標(biāo)簽數(shù)據(jù)信息并且容易出現(xiàn)過擬合結(jié)果的問題,在有標(biāo)簽樣本不充足時,能夠獲得更好的故障分類性能。
【關(guān)鍵詞】：過程監(jiān)測 故障檢測 故障分類 高斯伯努利受限玻爾茲曼機(jī) 復(fù)雜工業(yè)過程
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP274
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-21
• 1.1 課題背景和研究意義11-12
• 1.2 過程監(jiān)測的研究內(nèi)容和主要方法12-15
• 1.2.1 過程監(jiān)測的基本概念12-13
• 1.2.2 過程監(jiān)測的主要方法13-15
• 1.3 數(shù)據(jù)驅(qū)動過程監(jiān)測方法和復(fù)雜工業(yè)過程數(shù)據(jù)特性15-18
• 1.3.1 數(shù)據(jù)驅(qū)動過程監(jiān)測方法的發(fā)展情況15-16
• 1.3.2 復(fù)雜工業(yè)過程數(shù)據(jù)特性16-18
• 1.4 基于受限玻爾茲曼機(jī)的過程監(jiān)測研究18-19
• 1.4.1 深度學(xué)習(xí)概述18-19
• 1.4.2 受限玻爾茲曼機(jī)概述19
• 1.5 本文研究內(nèi)容和創(chuàng)新點(diǎn)19-20
• 1.5.1 主要研究內(nèi)容19-20
• 1.5.2 章節(jié)創(chuàng)新點(diǎn)介紹20
• 1.6 本章小結(jié)20-21
• 第二章 過程監(jiān)測基本方法和實(shí)驗(yàn)平臺21-31
• 2.1 引言21
• 2.2 主元分析21-22
• 2.3 核主元分析22-24
• 2.4 多層感知器24-25
• 2.5 多項(xiàng)邏輯回歸25-26
• 2.6 受限玻爾茲曼機(jī)26-27
• 2.7 TE Benchmark實(shí)驗(yàn)研究平臺27-29
• 2.8 本章小結(jié)29-31
• 第三章 基于高斯伯努利受限玻爾茲曼機(jī)的非線性故障檢測研究31-47
• 3.1 引言31-32
• 3.2 高斯伯努利受限玻爾茲曼機(jī)32-35
• 3.3 基于GRBM的故障檢測算法35-38
• 3.3.1 特征空間檢測量36-37
• 3.3.2 殘差空間檢測量37
• 3.3.3 基于GRBM的故障檢測算法流程37-38
• 3.4 案例研究38-45
• 3.4.1 數(shù)值仿真38-42
• 3.4.2 TE Benchmark仿真研究42-45
• 3.5 本章小結(jié)45-47
• 第四章 基于半監(jiān)督高斯伯努利受限玻爾茲曼機(jī)的非線性故障分類研究47-59
• 4.1 引言47-48
• 4.2 半監(jiān)督學(xué)習(xí)48-49
• 4.3 半監(jiān)督高斯伯努利受限玻爾茲曼機(jī)49-51
• 4.4 基于SS-GRBM的故障分類算法51-53
• 4.5 TE Benchmark仿真研究53-57
• 4.6 本章小結(jié)57-59
• 第五章 總結(jié)和展望59-63
• 5.1 研究工作總結(jié)59-60
• 5.2 研究工作展望60-63
• 參考文獻(xiàn)63-67
• 致謝67-68
• 個人簡歷68-69
• 攻讀碩士學(xué)位期間完成的學(xué)術(shù)論文69-70
• 攻讀碩士學(xué)位期間參加的科研項(xiàng)目70

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 陳曦;蔣立;宋執(zhí)環(huán);;基于高斯受限玻爾茲曼機(jī)的非線性過程故障檢測[J];上海應(yīng)用技術(shù)學(xué)院學(xué)報(自然科學(xué)版);2015年02期

2 周東華;胡艷艷;;動態(tài)系統(tǒng)的故障診斷技術(shù)[J];自動化學(xué)報;2009年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 文巧鈞;基于狀態(tài)空間模型的復(fù)雜動態(tài)過程監(jiān)測方法研究[D];浙江大學(xué);2015年

2 苗愛敏;數(shù)據(jù)局部時空結(jié)構(gòu)特征提取與故障檢測方法[D];浙江大學(xué);2014年

3 張沐光;基于局部—全局結(jié)構(gòu)分析的統(tǒng)計過程監(jiān)測方法研究[D];浙江大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 鐘世勇;基于費(fèi)舍爾判別分析的半監(jiān)督故障分類方法研究[D];浙江大學(xué);2015年

，

本文編號：879285