大数据意义下的非线性工业过程预测问题研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 符号与缩写 | 第11-12页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题背景及研究目的和意义 | 第12-13页 |
| 1.2 工业过程大数据的研究现状 | 第13-17页 |
| 1.2.1 基于数据的方法分类 | 第13-15页 |
| 1.2.2 基于数据的方法应用 | 第15-17页 |
| 1.3 非线性过程预测的研究现状 | 第17-20页 |
| 1.3.1 理论研究现状 | 第17-18页 |
| 1.3.2 应用模块分析 | 第18-20页 |
| 1.4 研究现状评述 | 第20页 |
| 1.5 主要研究内容 | 第20-22页 |
| 第2章 基于数据的预测理论 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 偏最小二乘模型 | 第22-26页 |
| 2.2.1 PLS 模型的过程预测方法 | 第22-24页 |
| 2.2.2 PLS 模型的过程监测指标 | 第24-26页 |
| 2.3 局部加权映射回归算法 | 第26-31页 |
| 2.3.1 LWPR 算法的问题描述 | 第26-30页 |
| 2.3.2 LWPR 算法的使用条件 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于数据的非线性过程预测 | 第32-55页 |
| 3.1 引言 | 第32页 |
| 3.2 理论推导 | 第32-39页 |
| 3.2.1 拓展的局部线性模型 | 第33-34页 |
| 3.2.2 改进的故障诊断方法 | 第34-37页 |
| 3.2.3 完整的过程预测算法 | 第37-39页 |
| 3.3 仿真验证 | 第39-54页 |
| 3.3.1 非线性数值算例预测 | 第39-50页 |
| 3.3.2 非线性基准过程预测 | 第50-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 基于数据的燃料电池过程预测 | 第55-71页 |
| 4.1 引言 | 第55页 |
| 4.2 问题描述 | 第55-56页 |
| 4.3 系统分析 | 第56-57页 |
| 4.4 预测效果 | 第57-70页 |
| 4.4.1 正常状态下的总电压预测 | 第57-60页 |
| 4.4.2 异常状态下的预测与诊断 | 第60-64页 |
| 4.4.3 燃料电池的使用寿命估计 | 第64-70页 |
| 4.5 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-80页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第80-83页 |
| 致谢 | 第83页 |
