声明
致谢
变量注释表
1 绪论
1.1 研究背景及意义
1.2 运行状态评价的研究现状
1.3 本文的主要工作
2 基础理论与方法
2.1 数据预处理
2.2.1 PCA算法介绍
2.2.2 基于PCA算法的过程监测
2.3 贡献图算法
2.4.1 人工神经网络
2.4.2 稀疏降噪自编码器
2.5 本章小结
3 基于ISDAE 模型的运行状态评价
3.1 引言
3.2 运行状态评价模型介绍
3.2.1 基于ISDAE的特征提取模型
3.2.2 运行状态识别模型
3.3 基于 ISDAE 模型的运行状态评价方法
3.3.1 运行状态等级的划分
3.3.2 离线建立运行状态评价模型
3.3.3 运行状态在线评价
3.3.4 非优因素识别
3.4 仿真实验
3.4.1 建立运行状态评价及非优因素识别模型
3.4.2 在线评价
3.5 本章小结
4 基于深度 ISDAE 模型和伪标签半监督学习机制的运行状态评价
4.1 引言
4.2.1 深度ISDAE特征提取模型
4.2.2 半监督学习算法
4.3 基于伪标签半监督学习机制的运行状态评价方法
4.3.1 基于伪标签的半监督学习算法
4.3.2 伪标签选择策略
4.3.3 离线建立运行状态评价模型
4.4.1 实验设计
4.4.2 使用重介质选煤过程的机理模型仿真数据进行运行状态评价
4.4.3 使用实际选煤过程数据进行运行状态评价
4.5 本章小结
5 总结和展望
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学中国矿业大学(江苏);