基于深度学习的微波加热过程温度异常检测系统研发
发布时间:2023-03-04 10:59
微波加热作为一种新型的加热技术手段,由于它具有高效率、快速加热、无二次污染等优势。能够用来代替传统的加热方式,应用于高能耗的大型工业加热中。与利用煤炭等化石燃料进行加热的方式相比,微波加热是利用微波能与加热媒介直接进行能量传递,是一种更加高效率的加热方法。采用这种新型加热方法,能够在很大程度上提高能源的利用效率,从而实现节能和环境保护的效果,因此对这种加热技术的探索具有划时代的意义。然而在微波加热过程中被加热媒介对微波的吸收能力会随着时间和温度的剧烈变化而产生变化。并且在加热过程中,会存在时变电磁场和温度场之间的强耦合等复杂情况,且这种耦合情况是高度非线性且十分复杂的。在这些因素的影响下,被加热的媒介可能会产生不均匀的受热或局部过热,严重时甚至引起爆炸事故。此外,由于微波磁控管受工业工艺技术的限制而导致微波功率输出存在非线性约束问题,并且在加热过程存在非线性与强耦合等不稳定性因素,因此对加热过程构建精准的机理数学模型是比较困难的。在后来的实际研究过程中,微波加热过程的近似机理数学模型被提出,但是受制于实际被控对象和近似机理模型的输入输出存在差异。系统的动态特性往往不能被精确反映,使得系...
【文章页数】:64 页
【学位级别】:硕士
【文章目录】:
中文摘要
英文摘要
1 绪论
1.1 研究背景与意义
1.2 课题来源
1.3 国内外研究现状
1.3.1 微波加热控制技术研究现状
1.3.2 深度学习在控制领域的研究现状
1.4 课题目标
1.5 本文的主要研究内容和章节安排
1.5.1 主要研究内容
1.5.2 本文组织结构
1.5.3 本文研究思路
2 微波加热工况数据采集
2.1 实验环境
2.2 实验流程
2.3 数据描述
3 微波加热过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 线性判别分析法
3.1.3 卷积神经网络
3.1.4 自动编码
3.1.5 特征提取方法小结
3.2 数据预处理
3.3 卷积神经网络模型构建与参数选取
3.3.1 卷积神经网络结构设定
3.3.2 卷积神经网络参数设定
3.4 卷积神经网络模型调参
3.5 卷积神经网络模型实验仿真验证
3.6 本章小结
4 基于孤立森林的媒介温度异常检测算法研究
4.1 异常检测算法概述
4.1.1 基于高斯分布的异常检测
4.1.2 基于距离的异常检测
4.1.3 基于密度的异常检测
4.1.4 基于聚类的异常检测
4.1.5 基于孤立森林的异常检测
4.1.6 异常检测方法小结
4.2 温度局部过热检测模型构建与参数选取
4.3 温度局部过热检测模型实验仿真验证
4.4 本章小结
5 面向微波加热过程的温度局部过热检测系统研发
5.1 微波加热媒介的温度局部过热检测系统结构
5.2 微波加热的温度局部过热检测系统
5.2.1 核心控制模块
5.2.2 数据采集与传输模块
5.2.3 检测算法模块
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
附录
A.作者在攻读学位期间发表的论文目录
B.作者在攻读学位期间取得的科研成果目录
本文编号:3754164
【文章页数】:64 页
【学位级别】:硕士
【文章目录】:
中文摘要
英文摘要
1 绪论
1.1 研究背景与意义
1.2 课题来源
1.3 国内外研究现状
1.3.1 微波加热控制技术研究现状
1.3.2 深度学习在控制领域的研究现状
1.4 课题目标
1.5 本文的主要研究内容和章节安排
1.5.1 主要研究内容
1.5.2 本文组织结构
1.5.3 本文研究思路
2 微波加热工况数据采集
2.1 实验环境
2.2 实验流程
2.3 数据描述
3 微波加热过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 线性判别分析法
3.1.3 卷积神经网络
3.1.4 自动编码
3.1.5 特征提取方法小结
3.2 数据预处理
3.3 卷积神经网络模型构建与参数选取
3.3.1 卷积神经网络结构设定
3.3.2 卷积神经网络参数设定
3.4 卷积神经网络模型调参
3.5 卷积神经网络模型实验仿真验证
3.6 本章小结
4 基于孤立森林的媒介温度异常检测算法研究
4.1 异常检测算法概述
4.1.1 基于高斯分布的异常检测
4.1.2 基于距离的异常检测
4.1.3 基于密度的异常检测
4.1.4 基于聚类的异常检测
4.1.5 基于孤立森林的异常检测
4.1.6 异常检测方法小结
4.2 温度局部过热检测模型构建与参数选取
4.3 温度局部过热检测模型实验仿真验证
4.4 本章小结
5 面向微波加热过程的温度局部过热检测系统研发
5.1 微波加热媒介的温度局部过热检测系统结构
5.2 微波加热的温度局部过热检测系统
5.2.1 核心控制模块
5.2.2 数据采集与传输模块
5.2.3 检测算法模块
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
附录
A.作者在攻读学位期间发表的论文目录
B.作者在攻读学位期间取得的科研成果目录
本文编号:3754164
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3754164.html