工业装置非高斯过程的性能监控与故障诊断
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·引言 | 第9页 |
| ·过程监控的基本概念和研究内容 | 第9-11页 |
| ·过程监控的研究对象 | 第9-10页 |
| ·过程监控的研究内容 | 第10-11页 |
| ·过程监控的研究方法 | 第11-13页 |
| ·统计过程控制的研究现状 | 第13-14页 |
| ·本文的研究内容 | 第14-16页 |
| 第2章 多元统计学习基本方法 | 第16-23页 |
| ·引言 | 第16页 |
| ·主元分析方法 | 第16-17页 |
| ·核主元分析方法 | 第17-19页 |
| ·核主元分析方法介绍 | 第17-18页 |
| ·核主元分析的基本原理 | 第18-19页 |
| ·局部保持流行学习算法—拉普拉斯特征映射 | 第19-20页 |
| ·数值仿真实例 | 第20页 |
| ·总结 | 第20-23页 |
| 第3章 基于小波核聚类的非高斯过程故障检测 | 第23-44页 |
| ·引言 | 第23-24页 |
| ·基于小波核聚类的KPCA | 第24-27页 |
| ·核相关概念及条件 | 第24-25页 |
| ·小波核映射 | 第25页 |
| ·特征空间的均值聚类分析 | 第25-27页 |
| ·支持向量数据描述(SVDD) | 第27-28页 |
| ·基于WKPCA-SVDD的过程监控 | 第28-29页 |
| ·过程监控建模及构造检测统计量 | 第28-29页 |
| ·故障在线监控实施步骤 | 第29页 |
| ·溶剂脱水分离过程监控应用 | 第29-31页 |
| ·TE过程监控应用 | 第31-43页 |
| ·总结 | 第43-44页 |
| 第4章 工业过程多分类故障诊断与识别方法 | 第44-60页 |
| ·引言 | 第44-45页 |
| ·相关向量机 | 第45-48页 |
| ·RVM多目标分类器的构造 | 第48-49页 |
| ·现有的多目标分类器的构造方法 | 第48页 |
| ·一种简化多类目标分类器的构造 | 第48-49页 |
| ·KPCA-RVM分类器算法流程 | 第49页 |
| ·基于核主元分析的变量贡献法 | 第49-52页 |
| ·多分类故障诊断及识别方法在TE过程中的应用 | 第52-59页 |
| ·工业过程在线监控系统的总体架构 | 第52-54页 |
| ·TE过程基于KPCA-RVM的多故障分类 | 第54-55页 |
| ·基于核主元分析的变量贡献法的故障识别 | 第55-59页 |
| ·总结 | 第59-60页 |
| 第5章 结束语 | 第60-62页 |
| ·研究工作总结 | 第60页 |
| ·挑战与展望 | 第60-62页 |
| ·挑战 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 作者在攻读硕士学位期间发表的论文 | 第67页 |
