声明
摘要
第1章 绪论
1.1 课题的研究背景及意义
1.2 国内外的研究现状
1.2.1 故障诊断发展状况
1.2.2 过程监控的概念
1.3 啤酒生产与发酵过程监控与故障诊断的需求
1.4 本文主要研究内容
第2章 独立成分分析与支持向量机理论
2.1 独立成分分析
2.1.1 独立成分分析定义
2.1.2 独立性定义
2.1.3 ICA估计方法
2.1.4 ICA方法的步骤
2.1.5 ICA的算法
2.2 支持向量机原理
2.2.1 支持向量机特点
2.2.2 支持向量机的不足
2.3 本章小结
第3章 ICA—SVM过程监控方法与仿真
3.1 ICA和SVM集成故障诊断方法的提出
3.2 ICA和SVM集成故障诊断方法
3.2.1 独立成分分析算法
3.2.2 独立成分分析的在线故障检测方法
3.2.3 统计贡献率的在线故障识别方法
3.3 支持向量机(SVM)的故障诊断技术的概述
3.3.1 SVM的分类算法
3.3.2 多分类的支持向量机算法概述
3.3.3 基于ICA-SVM的故障诊断框架
3.3.4 ICA—SVM算法
3.4 ICA在线故障检测仿真实验
3.5 SVM的故障分类
3.6 本章小结
第4章 ICA-SVM故障诊断模型在啤酒发酵过程监控中的应用
4.1 实验室啤酒生产工艺
4.1.1 啤酒发酵原理
4.1.2 实验室啤酒生产和发酵装置简介
4.2 实验室啤酒生产和发酵装置控制系统简介
4.2.1 实验室啤酒发酵过程的数据采集与实验步骤
4.2.2 ICA-SVM在啤酒发酵过程中的仿真实验
4.3 本次实验结果与过去实验结果对比
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的成果
致谢