摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
目录 | 第8-11页 |
第一章 绪论 | 第11-23页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 过程监控 | 第12-15页 |
1.2.1 统计过程监控 | 第13-14页 |
1.2.2 多元统计过程监控 | 第14-15页 |
1.3 常用的多元统计过程监控方法 | 第15-19页 |
1.3.1 主元分析(Principal Component Analysis, PCA) | 第15-16页 |
1.3.2 主元回归(Principal component Regression, PCR) | 第16页 |
1.3.3 部分最小二乘(Partial Least Squares, PLS) | 第16-17页 |
1.3.4 费舍判别式分析(Fisher Discriminant Analysis, FDA) | 第17页 |
1.3.5 流形学习方法(Manifold Learning method) | 第17-19页 |
1.4 对传统方法的改进 | 第19-21页 |
1.4.1 非线性方面的改进 | 第19-20页 |
1.4.2 尺度方面的改进 | 第20页 |
1.4.3 针对间歇过程的改进 | 第20-21页 |
1.5 本文结构 | 第21-23页 |
第二章 基于核密度估计的监控统计量控制限的确定 | 第23-38页 |
2.1 多元统计监控量 | 第23-25页 |
2.2 传统控制限算法 | 第25-26页 |
2.3 基于核密度估计的方法 | 第26-28页 |
2.3.1 核密度估计 | 第26-28页 |
2.3.2 基于核密度估计的统计控制限确定 | 第28页 |
2.4 基于二维 KDE 的过程监控统计量 | 第28-37页 |
2.5 本章小结 | 第37-38页 |
第三章 基于核熵成分分析算法的化工过程监控 | 第38-59页 |
3.1 信息熵 | 第38-39页 |
3.2 核主元分析 | 第39-44页 |
3.3 最小信息熵损 | 第44-45页 |
3.4 核熵成分分析 | 第45-46页 |
3.5 基于核熵成分分析的故障监控算法 | 第46-47页 |
3.5.1 在线阶段 | 第47页 |
3.5.2 离线阶段 | 第47页 |
3.6 实验及结果分析 | 第47-58页 |
3.6.1 基于 KECA 算法的过程监控策略在 TE 过程的应用 | 第48-54页 |
3.6.2 基于 KECA 算法的过程监控策略在润滑油重质过程的应用 | 第54-58页 |
3.7 本章小结 | 第58-59页 |
第四章 基于核局部保留投影算法的化工过程监控 | 第59-77页 |
4.1 流形学习 | 第59-60页 |
4.2 局部保留投影 | 第60-63页 |
4.3 核局部保留投影 | 第63-64页 |
4.4 基于核局部保留投影算法的过程监控步骤 | 第64-65页 |
4.4.1 离线阶段 | 第64-65页 |
4.4.2 在线阶段 | 第65页 |
4.5 基于最小信息熵损的 KLPP 算法的过程监控 | 第65-67页 |
4.5.1 离线阶段 | 第66-67页 |
4.5.2 在线阶段 | 第67页 |
4.6 实验及结果分析 | 第67-76页 |
4.6.1 基于 KLPP 以及 MEL-KLPP 的 TE 过程故障检测 | 第67-72页 |
4.6.2 基于 KLPP 以及 MEL-KLPP 的润滑油重质过程故障检测 | 第72-76页 |
4.7 本章小结 | 第76-77页 |
第五章 环己酮生产过程的应用 | 第77-91页 |
5.1 富氧氧化生产环己酮简介 | 第77-79页 |
5.2 环己酮生产过程存在的危险性因素 | 第79-80页 |
5.3 参数优化算法 | 第80-83页 |
5.4 实验结果及分析 | 第83-90页 |
5.4.1 基于 KPCA 算法的过程监控结果 | 第83-86页 |
5.4.2 基于 KECA 算法的过程监控结果 | 第86-88页 |
5.4.3 基于 KLPP 和 MEL-KLPP 算法的过程监控 | 第88-90页 |
5.5 本章小结 | 第90-91页 |
结论与展望 | 第91-93页 |
参考文献 | 第93-99页 |
攻读硕士学位期间取得的研究成果 | 第99-100页 |
致谢 | 第100-101页 |
附件 | 第101页 |