基于深度残差网络的化工过程故障诊断研究

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 故障诊断概述及化工过程故障诊断研究现状

1.2.1 基于分析模型的方法

1.2.2 基于定性经验知识的方法

1.2.3 基于数据驱动的方法

1.3 深度学习及其在化工过程故障诊断领域的研究现状

1.3.1 深度学习概述

1.3.2 深度学习在化工过程故障诊断领域的研究现状

1.4 DRN及其在故障诊断领域的研究现状

1.5 本文的内容与结构

第二章 DRN模型的基础理论

2.1 DRN的提出背景

2.2 DRN的组成模块

2.2.1 卷积层

2.2.2 激活函数层

2.2.3 BN层

2.2.4 残差块

2.2.5 全局平均池化层

2.2.6 带有softmax分类器的全连接层

2.3 本章小结

第三章TE过程介绍

3.1 过程简介

3.2 过程变量和故障

3.3 过程数据

3.4 本章小结

第四章 基于DRN的故障诊断方法

4.1 故障诊断流程

4.2 数据分析与预处理

4.3 基于DRN的故障诊断方法

4.3.1 DRN模型结构

4.3.2 软件使用与超参数设置

4.3.3 诊断结果与性能比较

4.3.4 特征图可视化

4.3.5 故障分类过程可视化

4.4 基于改进DRN的故障诊断方法

4.4.1 改进DRN模型结构

4.4.2 诊断结果与性能比较

4.4.3 故障分类过程可视化

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

个人简历在读期间发表的学术论文

致谢