| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景、目的与意义 | 第10页 |
| 1.2 工业过程故障检测的研究内容和特点 | 第10-12页 |
| 1.2.1 基本概念 | 第10-11页 |
| 1.2.2 工业过程故障检测的研究内容 | 第11页 |
| 1.2.3 工业过程故障检测的特点 | 第11-12页 |
| 1.3 工业过程故障检测技术的研究现状 | 第12-14页 |
| 1.4 论文主要工作及章节安排 | 第14-16页 |
| 第2章 面向故障检测的数据处理方法研究 | 第16-28页 |
| 2.1 数据驱动的故障检测方法 | 第16-17页 |
| 2.2 数据的标准化处理 | 第17页 |
| 2.3 偏最小二乘法 | 第17-20页 |
| 2.3.1 最小二乘法的基本原理 | 第18页 |
| 2.3.2 偏最小二乘法的基本思想和原理 | 第18-19页 |
| 2.3.3 偏最小二乘法的建模机理 | 第19-20页 |
| 2.4 核偏最小二乘法 | 第20-23页 |
| 2.4.1 核偏最小二乘法的基本思想 | 第21页 |
| 2.4.2 核偏最小二乘算法建模机理 | 第21-22页 |
| 2.4.3 核函数的选择 | 第22-23页 |
| 2.5 独立元分析方法 | 第23-26页 |
| 2.5.1 独立元分析方法的定义与特点 | 第23-24页 |
| 2.5.2 独立元分析方法的原理研究 | 第24-25页 |
| 2.5.3 独立元分析算法 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 基于数据的工业过程故障检测方法研究 | 第28-40页 |
| 3.1 预备知识 | 第28-32页 |
| 3.1.1 主元分析方法研究 | 第28-31页 |
| 3.1.2 目前典型的主元分析方法分析 | 第31-32页 |
| 3.2 基于主元分析的故障诊断 | 第32-35页 |
| 3.2.1 基于PCA的多元统计控制图 | 第32-34页 |
| 3.2.2 多元统计控制图在故障检测中的应用 | 第34-35页 |
| 3.3 基于变量贡献图的线性故障辨识方法 | 第35-38页 |
| 3.3.1 SPE与T~2贡献值求解方法 | 第35-36页 |
| 3.3.2 实验验证 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于多尺度核偏最小二乘法的故障检测方法研究 | 第40-54页 |
| 4.1 在线测量模型及相关算法研究 | 第40-41页 |
| 4.2 多尺度核偏最小二乘算法(MSKPLS)的研究 | 第41-45页 |
| 4.2.1 核偏最小二乘法 | 第42页 |
| 4.2.2 核偏最小二乘法的基本思想 | 第42页 |
| 4.2.3 核偏最小二乘算法建模机理 | 第42-43页 |
| 4.2.4 核函数的选择 | 第43-45页 |
| 4.3 MSKPLS算法研究 | 第45-47页 |
| 4.4 过程监测与故障诊断中的应用规模和可变贡献 | 第47-48页 |
| 4.5 实验设计与结果分析 | 第48-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 工业过程的故障幅值估计 | 第54-66页 |
| 5.1 工业过程的故障幅值问题 | 第54页 |
| 5.2 故障幅值的估计 | 第54-59页 |
| 5.3 仿真研究 | 第59-64页 |
| 5.3.1 蒙特卡罗模拟 | 第59-62页 |
| 5.3.2 实验结果分析与比较 | 第62-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76页 |