1. 研究目的与意义（文献综述）

故障诊断技术对于保障现代化工业过程安全高效地运行具有极其重要的研究意义。随着生产智能化和分布式控制系统的广泛应用,大量数据被采集并存储，如何从观测数据中挖掘出有用资源，去掉冗余信息.进而指导生产实践是学术界和工业界亟需解决的问题。基于数据驱动的故障诊断方法从历史数据出发,不需要精确的数学模型,在故障诊断领域得到了广泛的应用。

基于数据驱动的故障诊断方法通过对工业过程数据进行采集并加以分析,监督生产过程的运行状况,检测过程的故障信息，诊断故障原因,分离故障变量,从而使生产系统处于最佳运行状态。

基于机器学习的故障诊断方法以诊断正确率为学习目标,一般包含两部分:1)选取正常建模数据集进行训练;2)测试数据用于在线故障诊断分类。主要的基于机器学习的故障诊断方法有神经网络和支持向量机。

2. 研究的基本内容与方案

基本内容：基于模型的故障诊断可以为自动化系统安全高效运行提供保障，但大型复杂系统很难建立起精确机理模型，因此数据驱动的故障诊断技术更受工业过程异常监控专家的青睐。针对数据缺失情况下深度学习工具无法对结构不完整样本进行特征提取的难题，通过有效的数据插补技术和深度学习解决在线数据缺失基于深度学习的故障诊断问题。

目标：从te过程实验平台（te过程数据集）获取数据，利用均值插补，knn插补，回归插补分别对缺失数据进行修复，利用bp神经网络进行建模实现故障诊断。

采用的技术方案及措施：

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1] 何宁. 基于 ica-pca 方法的流程工业过程监控与故障诊断研究[d]. 浙江大学,2004.

[2] 王丽华,谢阳阳,张永宏,等.采用深度学习的异步电机故障诊断方法[j]. 西安交通大学学报, 2017, 51(10).

[3] 卫洁洁,杨喜旺,黄晋英,等.基于深度神经网络的滚动轴承故障诊断[j]. 组合机床与自动化加工技术, 2017(11):88-91.