1. 毕业设计（论文）主要内容：

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。

实验数据来源于te过程实验平台（te过程数据集），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。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇)，了解本研究领域的基本理论、关键技术与研究现状。

（2）完成开题报告。

（3）了解te过程数据集，认真学习均值插补，knn插补，回归插补技术，bp神经网络，熟练掌握python语言或者matlab进行建模，进行故障诊断的实验。

3. 毕业设计（论文）完成任务的计划与安排

（1）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。

（2）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。

（3）6－9周：编程实现各算法，并进行仿真调试。

4. 主要参考文献

[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.