| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题的研究背景及意义 | 第8页 |
| 1.2 过程监控的基本概念 | 第8-9页 |
| 1.3 过程监测方法的分类 | 第9-12页 |
| 1.3.1 基于解析数学模型的方法 | 第9-10页 |
| 1.3.2 基于过程知识的方法 | 第10-11页 |
| 1.3.3 基于信号处理的方法 | 第11-12页 |
| 1.3.4 基于数据驱动的方法 | 第12页 |
| 1.4 统计过程检测的研究现状 | 第12-13页 |
| 1.5 本文的主要内容及安排 | 第13-15页 |
| 第二章 基础理论 | 第15-25页 |
| 2.1 基于主元分析(PCA)的故障检测模型 | 第15-18页 |
| 2.1.1 主元分析(PCA) | 第15-16页 |
| 2.1.2 统计量控制限的确定 | 第16页 |
| 2.1.3 基于主成分分析故障检测算法流程 | 第16-18页 |
| 2.2 基于概率PCA的故障检测模型 | 第18-21页 |
| 2.2.1 概率PCA的基本原理 | 第18-19页 |
| 2.2.2 概率PCA的统计量及控制限 | 第19-20页 |
| 2.2.3 基于概率PCA的故障检测算法流程 | 第20-21页 |
| 2.3 稀疏表示算法 | 第21-24页 |
| 2.3.1 稀疏表示分类器(SRC)的基本原理 | 第22页 |
| 2.3.2 稀疏最优化原理 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 TE过程平台 | 第25-30页 |
| 3.1 TE平台简介 | 第25-27页 |
| 3.2 TE平台过程变量 | 第27页 |
| 3.3 TE平台故障分析及数据采集 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于稀疏子空间与概率主元分析的工业过程故障诊断 | 第30-39页 |
| 4.1 基于稀疏最优化模型的子空间数据提取方法 | 第30页 |
| 4.2 基于稀疏子空间与概率PCA的过程故障检测方法 | 第30-31页 |
| 4.3 基于稀疏子空间与概率PCA的过程故障检测步骤 | 第31-33页 |
| 4.3.1 离线模型建立过程 | 第32页 |
| 4.3.2 在线检测过程 | 第32-33页 |
| 4.4 TE数据的仿真实验 | 第33-38页 |
| 4.4.1 故障4的故障检测结果分析 | 第34-35页 |
| 4.4.2 故障5的故障检测结果分析 | 第35-37页 |
| 4.4.3 故障11的故障检测结果分析 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 基于稀疏表示分类器的故障识别 | 第39-44页 |
| 5.1 基于稀疏表示分类器的故障识别流程 | 第39页 |
| 5.2 TE数据的仿真结果 | 第39-43页 |
| 5.3 本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| 6.1 主要工作回顾 | 第44页 |
| 6.2 展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 个人简历在读期间发表的学术论文 | 第49-50页 |
| 致谢 | 第50页 |
