基于深度學(xué)習(xí)的微波加熱過(guò)程溫度異常檢測(cè)系統(tǒng)研發(fā)
發(fā)布時(shí)間:2023-03-04 10:59
微波加熱作為一種新型的加熱技術(shù)手段,由于它具有高效率、快速加熱、無(wú)二次污染等優(yōu)勢(shì)。能夠用來(lái)代替?zhèn)鹘y(tǒng)的加熱方式,應(yīng)用于高能耗的大型工業(yè)加熱中。與利用煤炭等化石燃料進(jìn)行加熱的方式相比,微波加熱是利用微波能與加熱媒介直接進(jìn)行能量傳遞,是一種更加高效率的加熱方法。采用這種新型加熱方法,能夠在很大程度上提高能源的利用效率,從而實(shí)現(xiàn)節(jié)能和環(huán)境保護(hù)的效果,因此對(duì)這種加熱技術(shù)的探索具有劃時(shí)代的意義。然而在微波加熱過(guò)程中被加熱媒介對(duì)微波的吸收能力會(huì)隨著時(shí)間和溫度的劇烈變化而產(chǎn)生變化。并且在加熱過(guò)程中,會(huì)存在時(shí)變電磁場(chǎng)和溫度場(chǎng)之間的強(qiáng)耦合等復(fù)雜情況,且這種耦合情況是高度非線性且十分復(fù)雜的。在這些因素的影響下,被加熱的媒介可能會(huì)產(chǎn)生不均勻的受熱或局部過(guò)熱,嚴(yán)重時(shí)甚至引起爆炸事故。此外,由于微波磁控管受工業(yè)工藝技術(shù)的限制而導(dǎo)致微波功率輸出存在非線性約束問(wèn)題,并且在加熱過(guò)程存在非線性與強(qiáng)耦合等不穩(wěn)定性因素,因此對(duì)加熱過(guò)程構(gòu)建精準(zhǔn)的機(jī)理數(shù)學(xué)模型是比較困難的。在后來(lái)的實(shí)際研究過(guò)程中,微波加熱過(guò)程的近似機(jī)理數(shù)學(xué)模型被提出,但是受制于實(shí)際被控對(duì)象和近似機(jī)理模型的輸入輸出存在差異。系統(tǒng)的動(dòng)態(tài)特性往往不能被精確反映,使得系...
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 緒論
1.1 研究背景與意義
1.2 課題來(lái)源
1.3 國(guó)內(nèi)外研究現(xiàn)狀
1.3.1 微波加熱控制技術(shù)研究現(xiàn)狀
1.3.2 深度學(xué)習(xí)在控制領(lǐng)域的研究現(xiàn)狀
1.4 課題目標(biāo)
1.5 本文的主要研究?jī)?nèi)容和章節(jié)安排
1.5.1 主要研究?jī)?nèi)容
1.5.2 本文組織結(jié)構(gòu)
1.5.3 本文研究思路
2 微波加熱工況數(shù)據(jù)采集
2.1 實(shí)驗(yàn)環(huán)境
2.2 實(shí)驗(yàn)流程
2.3 數(shù)據(jù)描述
3 微波加熱過(guò)程深度特征提取算法研究
3.1 特征提取算法概述
3.1.1 主成分分析
3.1.2 線性判別分析法
3.1.3 卷積神經(jīng)網(wǎng)絡(luò)
3.1.4 自動(dòng)編碼
3.1.5 特征提取方法小結(jié)
3.2 數(shù)據(jù)預(yù)處理
3.3 卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建與參數(shù)選取
3.3.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)定
3.3.2 卷積神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)定
3.4 卷積神經(jīng)網(wǎng)絡(luò)模型調(diào)參
3.5 卷積神經(jīng)網(wǎng)絡(luò)模型實(shí)驗(yàn)仿真驗(yàn)證
3.6 本章小結(jié)
4 基于孤立森林的媒介溫度異常檢測(cè)算法研究
4.1 異常檢測(cè)算法概述
4.1.1 基于高斯分布的異常檢測(cè)
4.1.2 基于距離的異常檢測(cè)
4.1.3 基于密度的異常檢測(cè)
4.1.4 基于聚類的異常檢測(cè)
4.1.5 基于孤立森林的異常檢測(cè)
4.1.6 異常檢測(cè)方法小結(jié)
4.2 溫度局部過(guò)熱檢測(cè)模型構(gòu)建與參數(shù)選取
4.3 溫度局部過(guò)熱檢測(cè)模型實(shí)驗(yàn)仿真驗(yàn)證
4.4 本章小結(jié)
5 面向微波加熱過(guò)程的溫度局部過(guò)熱檢測(cè)系統(tǒng)研發(fā)
5.1 微波加熱媒介的溫度局部過(guò)熱檢測(cè)系統(tǒng)結(jié)構(gòu)
5.2 微波加熱的溫度局部過(guò)熱檢測(cè)系統(tǒng)
5.2.1 核心控制模塊
5.2.2 數(shù)據(jù)采集與傳輸模塊
5.2.3 檢測(cè)算法模塊
5.3 本章小結(jié)
6 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻(xiàn)
附錄
A.作者在攻讀學(xué)位期間發(fā)表的論文目錄
B.作者在攻讀學(xué)位期間取得的科研成果目錄
本文編號(hào):3754164
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 緒論
1.1 研究背景與意義
1.2 課題來(lái)源
1.3 國(guó)內(nèi)外研究現(xiàn)狀
1.3.1 微波加熱控制技術(shù)研究現(xiàn)狀
1.3.2 深度學(xué)習(xí)在控制領(lǐng)域的研究現(xiàn)狀
1.4 課題目標(biāo)
1.5 本文的主要研究?jī)?nèi)容和章節(jié)安排
1.5.1 主要研究?jī)?nèi)容
1.5.2 本文組織結(jié)構(gòu)
1.5.3 本文研究思路
2 微波加熱工況數(shù)據(jù)采集
2.1 實(shí)驗(yàn)環(huán)境
2.2 實(shí)驗(yàn)流程
2.3 數(shù)據(jù)描述
3 微波加熱過(guò)程深度特征提取算法研究
3.1 特征提取算法概述
3.1.1 主成分分析
3.1.2 線性判別分析法
3.1.3 卷積神經(jīng)網(wǎng)絡(luò)
3.1.4 自動(dòng)編碼
3.1.5 特征提取方法小結(jié)
3.2 數(shù)據(jù)預(yù)處理
3.3 卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建與參數(shù)選取
3.3.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)定
3.3.2 卷積神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)定
3.4 卷積神經(jīng)網(wǎng)絡(luò)模型調(diào)參
3.5 卷積神經(jīng)網(wǎng)絡(luò)模型實(shí)驗(yàn)仿真驗(yàn)證
3.6 本章小結(jié)
4 基于孤立森林的媒介溫度異常檢測(cè)算法研究
4.1 異常檢測(cè)算法概述
4.1.1 基于高斯分布的異常檢測(cè)
4.1.2 基于距離的異常檢測(cè)
4.1.3 基于密度的異常檢測(cè)
4.1.4 基于聚類的異常檢測(cè)
4.1.5 基于孤立森林的異常檢測(cè)
4.1.6 異常檢測(cè)方法小結(jié)
4.2 溫度局部過(guò)熱檢測(cè)模型構(gòu)建與參數(shù)選取
4.3 溫度局部過(guò)熱檢測(cè)模型實(shí)驗(yàn)仿真驗(yàn)證
4.4 本章小結(jié)
5 面向微波加熱過(guò)程的溫度局部過(guò)熱檢測(cè)系統(tǒng)研發(fā)
5.1 微波加熱媒介的溫度局部過(guò)熱檢測(cè)系統(tǒng)結(jié)構(gòu)
5.2 微波加熱的溫度局部過(guò)熱檢測(cè)系統(tǒng)
5.2.1 核心控制模塊
5.2.2 數(shù)據(jù)采集與傳輸模塊
5.2.3 檢測(cè)算法模塊
5.3 本章小結(jié)
6 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻(xiàn)
附錄
A.作者在攻讀學(xué)位期間發(fā)表的論文目錄
B.作者在攻讀學(xué)位期間取得的科研成果目錄
本文編號(hào):3754164
本文鏈接:http://www.sikaile.net/kejilunwen/dianzigongchenglunwen/3754164.html
最近更新
教材專著