声明
1 绪论
1.1 选题背景及意义
1.2 国内外研究现状
1.2.1 文本表示方法研究现状
1.2.2 故障诊断研究现状
1.3 主要研究内容
2 列控RBC系统简介及故障文本预处理
2.1 列控RBC系统结构及功能简介
2.2 列控RBC系统故障文本数据分析
2.3 列控RBC系统故障文本数据预处理
2.3.1 分词方法及分词系统比较
2.3.2 JE分词原理及分词模式选择
2.4 基于短文本处理的列控RBC系统故障诊断流程
2.5 小结
3 列控RBC系统故障文本向量化表示
3.1 特征信息的表示方式
3.2 Glove词向量模型
3.2.1 Glove实现流程
3.2.2 Glove模型参数对词向量的影响
3.2.3 训练结果展示
3.3 故障文本向量构造
3.4 小结
4 列控RBC系统故障诊断建模
4.1 BP神经网络
4.2 受限波尔兹曼机
4.2.1 RBM网络结构
4.2.2 对比分歧算法
4.3 深度信念网络
4.3.1 网络结构
4.3.2 网络训练
4.4 DBN-BP故障诊断模型设计
4.5 小结
5 基于DBN-BP的列控RBC系统故障诊断实验分析
5.1 实验设置
5.1.1 数据样本集
5.1.2 DBN-BP输出层参数及网络层数
5.2 参数调整实验
5.2.1 隐层节点和故障文本向量维数确定
5.2.2 DBN网络隐层数验证
5.3 模型性能验证
5.4 模型对比
5.4.1 模型评价指标
5.4.2 对比实验分析
5.5 小结
结论
致谢
参考文献
攻读学位期间的研究成果