基于自适应PPA及贝叶斯网络的化工过程故障诊断方法研究

目录

声明

第一章 绪论

1.1 研究背景和意义

1.2 过程故障诊断概述

1.2.1 基于机理模型的方法

1.2.2基于定性知识的方法

1.2.3 基于数据驱动的方法

1.3 本文主要内容

第二章 文献综述

2.1 PCA方法

2.1.1 PCA算法过程

2.1.2 统计量的构建

2.2 故障检测方法

2.2.1 基于PCA的故障检测方法

2.2.2 基于PLS 的故障检测方法

2.3 PPA算法

2.3.1 PPA算法原理

2.3.2 PPA算法主元个数的选取

2.4 故障根源辨析技术

2.5 贝叶斯网络概述

2.5.1 概率论

2.5.2 图论

2.5.3 贝叶斯网络定义

2.6 本章小结

第三章 基于自适应PPA的过程故障检测方法及其应用

3.1 基于自适应PPA方法的过程故障检测

3.1.1 PPA方法故障检测流程

3.1.2 基于自适应PPA 方法故障检测流程

3.2 化工仿真TE过程

3.3 自适应PPA过程故障诊断方法在TE过程中的应用

3.4 本章小结

第四章 基于改进蜂群算法的贝叶斯网络结构学习法

4.1 贝叶斯网络结构学习

4.1.1 基于打分搜索方法

4.2 基于改进蜂群算法的贝叶斯网络结构学习法（D-ABC）

4.2.1 人工蜂群算法

4.2.2 差分进化算法

4.2.3 贝叶斯网络结构学习过程

4.3 实验仿真结果分析

4.3.1 算法参数优化

4.3.2 实验对比分析

4.4 本章小结

第五章 基于贝叶斯网络的化工过程故障根源分析

5.1 贝叶斯网络参数学习

5.1.1 最大似然估计参数学习

5.1.2 贝叶斯估计参数学习

5.2 贝叶斯网络推理

5.2.1 贝叶斯网络推理基本类型

5.2.2 贝叶斯网络推理算法

5.3 基于贝叶斯网络的TE过程故障根源分析

5.4 本章小结

第六章 结论与展望

6.1 全文研究内容总结

6.2 研究展望

致谢

参考文献

个人简历、在学期间发表的学术论文及取得的研究成果