| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-31页 |
| 1.1 课题研究背景及意义 | 第13-15页 |
| 1.2 多变量统计过程监测 | 第15-22页 |
| 1.2.1 基于PCA的过程监测算法 | 第15-17页 |
| 1.2.2 基于ICA的过程监测算法 | 第17-20页 |
| 1.2.3 多元统计方法面临的问题 | 第20-22页 |
| 1.3 多模态过程特征分析及研究现状 | 第22-28页 |
| 1.3.1 多模态连续过程数据特征 | 第22-23页 |
| 1.3.2 间歇过程数据特征 | 第23-24页 |
| 1.3.3 多模态过程建模及在线监测的发展概况 | 第24-28页 |
| 1.4 本文的主要研究内容 | 第28-31页 |
| 第二章 多模态连续过程的全自动离线模态识别 | 第31-57页 |
| 2.1 引言 | 第31-32页 |
| 2.2 离线模态的初步识别 | 第32-36页 |
| 2.2.1 基于窗口的聚类分析及时段划分 | 第32-34页 |
| 2.2.2 模态的初步确定 | 第34-36页 |
| 2.3 模态的准确划分 | 第36-40页 |
| 2.4 几个重要参数的分析 | 第40-42页 |
| 2.4.1 大切割窗口H | 第40-41页 |
| 2.4.2 小滑动窗口L | 第41页 |
| 2.4.3 相似度阈值α | 第41-42页 |
| 2.5 田纳西—伊斯曼过程的仿真研究 | 第42-55页 |
| 2.5.1 田纳西—伊斯曼过程介绍 | 第42-43页 |
| 2.5.2 实验设计和建模数据 | 第43-45页 |
| 2.5.3 TE过程模态初识别 | 第45-50页 |
| 2.5.4 TE过程模态准确划分 | 第50-55页 |
| 2.6 本章小结 | 第55-57页 |
| 第三章 基于MULTI-GMM的多模态连续过程离线建模及在线监测 | 第57-79页 |
| 3.1 引言 | 第57-58页 |
| 3.2 高斯混合模型 | 第58-62页 |
| 3.2.1 高斯概率密度函数 | 第58-59页 |
| 3.2.2 高斯混合密度函数 | 第59页 |
| 3.2.3 参数估计 | 第59-60页 |
| 3.2.4 基于高斯混合模型的监测算法 | 第60-62页 |
| 3.3 多模态过程离线建模 | 第62-64页 |
| 3.3.1 基本思想 | 第62-63页 |
| 3.3.2 基于multi-GMM的离线建模 | 第63-64页 |
| 3.4 在线识别及过程监测 | 第64-68页 |
| 3.4.1 基本思想 | 第64-65页 |
| 3.4.2 联合监测模型 | 第65-66页 |
| 3.4.3 在线识别及监测策略 | 第66-68页 |
| 3.5 田纳西—伊斯曼过程的仿真研究 | 第68-78页 |
| 3.5.1 实验设计和建模数据 | 第68-69页 |
| 3.5.2 TE过程离线识别及建模 | 第69-70页 |
| 3.5.3 TE过程在线识别及监测 | 第70-78页 |
| 3.6 本章小结 | 第78-79页 |
| 第四章 基于VMW-KNN的不等长间歇过程时段划分及监测 | 第79-99页 |
| 4.1 引言 | 第79-80页 |
| 4.2 k-近邻准则 | 第80页 |
| 4.3 基于VMW-kNN的时段划分及离线建模 | 第80-87页 |
| 4.3.1 VMW-kNN准则 | 第80-83页 |
| 4.3.2 基于VMW-kNN准则的时段划分 | 第83-85页 |
| 4.3.3 基于时段划分的PCA建模 | 第85-87页 |
| 4.4 基于VMW-kNN准则的在线识别及监测 | 第87-89页 |
| 4.5 注塑过程仿真研究 | 第89-98页 |
| 4.5.1 注塑过程简介 | 第89-90页 |
| 4.5.2 实验设计和建模数据 | 第90页 |
| 4.5.3 注塑过程时段划分及建模 | 第90-92页 |
| 4.5.4 注塑过程在线识别及监测 | 第92-98页 |
| 4.6 本章小结 | 第98-99页 |
| 第五章 基于KPCA相似度的非线性间歇过程时段划分及监测 | 第99-113页 |
| 5.1 引言 | 第99页 |
| 5.2 KPCA算法 | 第99-101页 |
| 5.3 基于KPCA的相似度指标 | 第101-103页 |
| 5.3.1 基于距离的相似度 | 第101-103页 |
| 5.3.2 基于角度的相似度 | 第103页 |
| 5.4 基于KPCA相似度的时段划分及监测 | 第103-106页 |
| 5.4.1 基于核相似度的子时段划分 | 第103-105页 |
| 5.4.2 基于子时段划分的离线建模及在线监测 | 第105-106页 |
| 5.5 青霉素发酵过程中的应用研究 | 第106-112页 |
| 5.5.1 过程描述 | 第106-107页 |
| 5.5.2 算法验证及讨论 | 第107-112页 |
| 5.6 本章小结 | 第112-113页 |
| 第六章 基于数据特性分析的过程监测方法的自动选择 | 第113-133页 |
| 6.1 引言 | 第113-114页 |
| 6.2 基于互信息的非线性分析 | 第114-116页 |
| 6.3 基于马氏距离的高斯性检验 | 第116-118页 |
| 6.4 基于数据特性分析的多变量过程监测 | 第118-122页 |
| 6.4.1 基本思想 | 第118-120页 |
| 6.4.2 算法具体步骤 | 第120-122页 |
| 6.5 算法仿真验证 | 第122-132页 |
| 6.5.1 线性数例仿真研究 | 第122-125页 |
| 6.5.2 非线性数例仿真研究 | 第125-128页 |
| 6.5.3 连续退火机组的仿真研究 | 第128-132页 |
| 6.6 本章小结 | 第132-133页 |
| 第七章 总结与展望 | 第133-137页 |
| 参考文献 | 第137-149页 |
| 致谢 | 第149-151页 |
| 攻读博士学位期间论文、论著及参与项目情况 | 第151-153页 |
| 个人简历 | 第153页 |
