多变量复杂系统的稳态检测和提取方法研究
| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 课题研究背景和意义 | 第13-15页 |
| 1.2 稳态检测的一般描述 | 第15-17页 |
| 1.3 系统稳态检测的研究现状 | 第17-22页 |
| 1.3.1 基于概率统计检验的判稳方法 | 第17-19页 |
| 1.3.2 基于多项式拟合的趋势判稳方法 | 第19-20页 |
| 1.3.3 基于小波变换的趋势判稳方法 | 第20-21页 |
| 1.3.4 稳态检测的其他方法 | 第21-22页 |
| 1.4 统计学习方法的进展与分析 | 第22-24页 |
| 1.4.1 统计过程控制 | 第22-23页 |
| 1.4.2 数据聚类算法 | 第23-24页 |
| 1.5 本研究的主要内容和论文结构 | 第24-27页 |
| 第二章 基于PCA的F检验多变量稳态检测方法 | 第27-45页 |
| 2.1 引言 | 第27页 |
| 2.2 多变量稳态检测和单变量稳态的合成 | 第27-29页 |
| 2.3 基于PCA改进的多变量稳态检测算法 | 第29-32页 |
| 2.3.1 主元分析法介绍 | 第29-30页 |
| 2.3.2 基于PCA改进的F检验算法 | 第30-32页 |
| 2.4 仿真模型实例分析 | 第32-43页 |
| 2.4.1 精馏塔模型介绍 | 第32-33页 |
| 2.4.2 仿真数据上的稳态检测结果 | 第33-37页 |
| 2.4.3 与传统多变量的类F检验法对比 | 第37-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第三章 联合层次聚类和数据时序的稳态检测算法 | 第45-67页 |
| 3.1 引言 | 第45页 |
| 3.2 过程数据的分布和层次聚类算法 | 第45-50页 |
| 3.2.1 多变量多稳态过程数据的分布 | 第45-47页 |
| 3.2.2 层次聚类算法原理介绍 | 第47-50页 |
| 3.3 基于层次聚类的稳态检测算法 | 第50-57页 |
| 3.3.1 联合聚类和数据时序的稳态检测方法流程 | 第50-55页 |
| 3.3.2 精馏塔数据实例分析 | 第55-57页 |
| 3.4 聚类阈值的确定方法 | 第57-65页 |
| 3.4.1 聚类阈值的确定方法 | 第57-61页 |
| 3.4.2 高维情况下算法效果展示和分析 | 第61-65页 |
| 3.5 本章小结 | 第65-67页 |
| 第四章 基于KDE算法的稳态工况数据的提取 | 第67-103页 |
| 4.1 引言 | 第67页 |
| 4.2 稳态数据提取和KDE算法介绍 | 第67-79页 |
| 4.2.1 稳态工况数据的提取 | 第67-68页 |
| 4.2.2 核密度估计算法 | 第68-72页 |
| 4.2.3 KDE估计数据分布的优势 | 第72-74页 |
| 4.2.4 基于KDE的稳态提取方法 | 第74-79页 |
| 4.3 KDE应用于稳态数据提取 | 第79-90页 |
| 4.3.1 仿真模型和数据介绍 | 第79-82页 |
| 4.3.2 不同稳态区间的工况数据提取 | 第82-89页 |
| 4.3.3 全区间稳态工况提取结果 | 第89-90页 |
| 4.4 基于PCA的高维数据稳态提取改进方法 | 第90-96页 |
| 4.4.1 算法性能分析和PCA降维优化 | 第90-93页 |
| 4.4.2 PCA降维-重构稳态提取实例分析 | 第93-96页 |
| 4.5 电厂实际数据稳态检测和提取实例分析 | 第96-102页 |
| 4.5.1 稳态区间的检测 | 第97-102页 |
| 4.5.2 稳态工况数据的提取 | 第102页 |
| 4.6 本章小结 | 第102-103页 |
| 第五章 总结与展望 | 第103-105页 |
| 5.1 研究工作总结 | 第103页 |
| 5.2 研究工作展望 | 第103-105页 |
| 参考文献 | 第105-109页 |
| 作者在学期间所获的科研成果 | 第109页 |
