基于表示學習的故障診斷關鍵技術

第一章 緒論

?1.1 課題背景及研究意義

?1.2 研究現(xiàn)狀及分析

?1.2.1 基于多元統(tǒng)計分析的故障診斷方法

?1.2.2 基于信號處理的故障診斷方法

?1.2.3 基于粗糙集的故障診斷方法

?1.2.4 基于信息融合的故障診斷方法

?1.2.5 基于機器學習的故障診斷方法

?1.2.6 數(shù)據(jù)驅動的故障診斷研究中存在的問題

?1.3 本書的研究內容

第二章 基于棧式自編碼網(wǎng)絡的故障診斷

?2.1 引言

?2.2 棧式自編碼網(wǎng)絡

?2.2.1 稀疏自編碼網(wǎng)絡

?2.2.2 棧式稀疏自編碼網(wǎng)絡

?2.3 Logistic回歸與Softmax分類器

?2.3.1 Logistic回歸分析

?2.3.2 Softmax分類器

?2.4 基于棧式自編碼網(wǎng)絡的故障診斷

?2.5 TE過程實驗驗證

?2.5.1 TE過程介紹

?2.5.2 故障檢測

?2.5.3 故障診斷

?2.5.4 時間復雜度分析

?2.6 本章小結

第三章 基于加權序列的棧式自編碼網(wǎng)絡故障診斷

?3.1 引言

?3.2 時間去噪

?3.3 支持向量機分類器

?3.4 基于加權序列的棧式自編碼網(wǎng)絡故障診斷

?3.5 TE過程案例研究

?3.5.1 故障檢測

?3.5.2 微小故障檢測

?3.5.3 故障分類

?3.6 本章小結

第四章 基于動態(tài)估計的棧式自編碼網(wǎng)絡故障診斷

?4.1 引言

?4.2 多項式泰勒展開闡釋自編碼網(wǎng)絡

?4.3 基于動態(tài)估計的表示學習

?4.4 基于動態(tài)估計的棧式自編碼網(wǎng)絡診斷框架

?4.5 實驗驗證與分析

?4.5.1 數(shù)值分析

?4.5.2 TE過程案例分析

?4.6 本章小結

第五章 基于高階相關性的多級故障診斷

?5.1 引言

?5.2 基于棧式自編碼網(wǎng)絡的高階相關性特征提取

?5.3 自編碼網(wǎng)絡與主成分分析的關系

?5.4 過程監(jiān)控的統(tǒng)計量

?5.4.1 基于重建誤差的監(jiān)控指標

?5.4.2 基于馬氏距離的監(jiān)控指標

?5.4.3 基于切比雪夫距離的監(jiān)控指標

?5.4.4 控制上限

?5.5 基于高階相關性的多級故障診斷

?5.6 實驗驗證與分析

?5.6.1 TE過程上的統(tǒng)計量分析

?5.6.2 TE過程與ME過程上的故障檢測結果

?5.6.3 訓練集對算法的影響

?5.7 本章小結

第六章 基于棧式自編碼網(wǎng)絡的閾值自適應過程監(jiān)控

?6.1 引言

?6.2 多模態(tài)測量的表示學習

?6.3 基于棧式自編碼網(wǎng)絡的閾值自適應過程監(jiān)控

?6.3.1 基于改進的指數(shù)加均法的自適應閾值更新

?6.3.2 基于貢獻圖的變量隔離

?6.3.3 基于棧式自編碼網(wǎng)絡的閾值自適應在線監(jiān)控框架

?6.4 TE過程實驗驗證

?6.4.1 模態(tài)辨識

?6.4.2 故障檢測

?6.5 本章小結

第七章 基于互信息矩陣投影的可解釋故障診斷

?7.1 引言

?7.2 互信息矩陣的定義與估計

?7.2.1 互信息矩陣的定義

?7.2.2 基于矩陣Renyi的α-熵函數(shù)的互信息估計

?7.3 基于PMIM的故障檢測

?7.4 關于PMIM算法的實現(xiàn)與探討

?7.5 實驗驗證與分析

?7.5.1 數(shù)值仿真實驗驗證

?7.5.2 TE過程實驗驗證

?7.6 本章小結

第八章 總結與展望

?8.1 研究總結

?8.2 研究展望

附錄

縮寫、符號、術語表

參考文獻

致謝