基于小波變換的動態(tài)過程質量異常模式識別方法研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,隨著許多工業(yè)不斷轉型大型化、自動化、連續(xù)化,動態(tài)生成過程產生了大量的動態(tài)數據。為確保動態(tài)生產過程的安全和穩(wěn)定,有效的質量監(jiān)控與診斷得到越來越多的重視,多種故障診斷方法相融合的復合型診斷成為研究的熱點。其中,通過設計優(yōu)秀的特征提取算法并結合分類器進行的模式識別成為故障診斷領域的主流研究趨勢。
  針對復雜動態(tài)過程模式識別中存在的問題,本文主要做了一下幾個方面的工作。
  1.以卷煙廠煙絲自動加工過程為背景,通過對動態(tài)過

2、程質量異常模式識別方法進行理論分析,研究了模式識別流程中所涉及的數據處理、特征提取算法、分類器設計等。
  2.根據動態(tài)過程的離線測量數據,獲取質量異常信息,確定動態(tài)數據流的質量異常模式。
  3.針對強噪聲背景下混合多種異常模式的動態(tài)數據流,本文提出了一種基于靜態(tài)小波分析的奇異點檢測算法,在一定程度上提高了異常檢測的速度、準確率和抗噪性。
  4.通過對動態(tài)數據流異常模式的自適應特征提取,結合BP神經網絡分類器,實現

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論