基于高斯伯努利受限玻尔兹曼机的过程监测研究

发布时间：2017-09-19 03:39

  本文关键词：基于高斯伯努利受限玻尔兹曼机的过程监测研究

  更多相关文章： 过程监测 故障检测 故障分类 高斯伯努利受限玻尔兹曼机 复杂工业过程

【摘要】：过程监测技术是实现现代流程工业综合自动化的重要环节,对于保障过程运行平稳和产品质量有着重要研究意义和应用价值。随着信息技术和网络技术的快速发展,信息采集、存储和传输成本大幅降低,流程工业中分布了大量的传感器和集散控制系统,工业企业采集到海量的生产过程实时数据,基于数据驱动的过程监测方法在过程监测领域取得了很大的成果和应用。然而,传统的过程监测方法没有考虑到实际复杂工业过程的大数据、非线性、有标签样本不均衡等特点,在实际应用时有一定局限性。为此,本文在总结前人工作的基础上,研究了基于高斯伯努利受限玻尔兹曼机的过程监测方法,主要研究工作如下：(1)介绍了过程监测的课题背景、基本概念和研究意义,阐述了过程监测领域的主要研究内容和发展情况,结合实际工业过程中的数据特性,分析了基于受限玻尔兹曼机在过程监测中的适用性和研究意义。(2)针对复杂工业过程大数据、非线性特点,将高斯伯努利受限玻尔兹曼机(GRBM)应用于非线性过程数据建模,提出了基于GRBM模型的非线性过程故障检测算法。通过特征学习和数据重构获取隐层非线性特征和重构数据,分别在特征空间和残差空间构建检测量,实现了故障检测。(3)提出了一种基于半监督高斯伯努利受限玻尔兹曼机(SS-GRBM)的工业过程故障分类算法,既能够学习无标签样本的特征结构,还能利用有标签数据中的标签信息,有效地解决了传统有监督学习方法在有标签样本不均衡情况下无法利用无标签数据信息并且容易出现过拟合结果的问题,在有标签样本不充足时,能够获得更好的故障分类性能。
【关键词】：过程监测 故障检测 故障分类 高斯伯努利受限玻尔兹曼机 复杂工业过程
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP274
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-21
• 1.1 课题背景和研究意义11-12
• 1.2 过程监测的研究内容和主要方法12-15
• 1.2.1 过程监测的基本概念12-13
• 1.2.2 过程监测的主要方法13-15
• 1.3 数据驱动过程监测方法和复杂工业过程数据特性15-18
• 1.3.1 数据驱动过程监测方法的发展情况15-16
• 1.3.2 复杂工业过程数据特性16-18
• 1.4 基于受限玻尔兹曼机的过程监测研究18-19
• 1.4.1 深度学习概述18-19
• 1.4.2 受限玻尔兹曼机概述19
• 1.5 本文研究内容和创新点19-20
• 1.5.1 主要研究内容19-20
• 1.5.2 章节创新点介绍20
• 1.6 本章小结20-21
• 第二章 过程监测基本方法和实验平台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 多层感知器24-25
• 2.5 多项逻辑回归25-26
• 2.6 受限玻尔兹曼机26-27
• 2.7 TE Benchmark实验研究平台27-29
• 2.8 本章小结29-31
• 第三章 基于高斯伯努利受限玻尔兹曼机的非线性故障检测研究31-47
• 3.1 引言31-32
• 3.2 高斯伯努利受限玻尔兹曼机32-35
• 3.3 基于GRBM的故障检测算法35-38
• 3.3.1 特征空间检测量36-37
• 3.3.2 残差空间检测量37
• 3.3.3 基于GRBM的故障检测算法流程37-38
• 3.4 案例研究38-45
• 3.4.1 数值仿真38-42
• 3.4.2 TE Benchmark仿真研究42-45
• 3.5 本章小结45-47
• 第四章 基于半监督高斯伯努利受限玻尔兹曼机的非线性故障分类研究47-59
• 4.1 引言47-48
• 4.2 半监督学习48-49
• 4.3 半监督高斯伯努利受限玻尔兹曼机49-51
• 4.4 基于SS-GRBM的故障分类算法51-53
• 4.5 TE Benchmark仿真研究53-57
• 4.6 本章小结57-59
• 第五章 总结和展望59-63
• 5.1 研究工作总结59-60
• 5.2 研究工作展望60-63
• 参考文献63-67
• 致谢67-68
• 个人简历68-69
• 攻读硕士学位期间完成的学术论文69-70
• 攻读硕士学位期间参加的科研项目70

【参考文献】

中国期刊全文数据库 前2条

1 陈曦;蒋立;宋执环;;基于高斯受限玻尔兹曼机的非线性过程故障检测[J];上海应用技术学院学报(自然科学版);2015年02期

2 周东华;胡艳艳;;动态系统的故障诊断技术[J];自动化学报;2009年06期

中国博士学位论文全文数据库 前3条

1 文巧钧;基于状态空间模型的复杂动态过程监测方法研究[D];浙江大学;2015年

2 苗爱敏;数据局部时空结构特征提取与故障检测方法[D];浙江大学;2014年

3 张沐光;基于局部—全局结构分析的统计过程监测方法研究[D];浙江大学;2011年

中国硕士学位论文全文数据库 前1条

1 钟世勇;基于费舍尔判别分析的半监督故障分类方法研究[D];浙江大学;2015年

，

本文编号：879285