| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 过程监控的概述 | 第9-10页 |
| 1.3 国内外工业过程故障诊断的研究概况 | 第10-14页 |
| 1.3.1 诊断方法 | 第10-12页 |
| 1.3.2 数据驱动的故障诊断方法研究现状 | 第12-14页 |
| 1.4 本文的主要研究内容和章节安排 | 第14-15页 |
| 第二章 基本原理 | 第15-23页 |
| 2.1 变量选择 | 第15-17页 |
| 2.1.1 变量选择的定义 | 第15-16页 |
| 2.1.2 变量选择问题求解 | 第16-17页 |
| 2.2 PCA监测统计量 | 第17-18页 |
| 2.3 蒙特卡洛方法的概述 | 第18-19页 |
| 2.3.1 蒙特卡洛数值积分 | 第18页 |
| 2.3.2 蒙特卡洛方法的基本思路 | 第18-19页 |
| 2.3.3 Gibbs抽样 | 第19页 |
| 2.4 核密度估计 | 第19-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第三章 基于变量选择的故障重构方法 | 第23-39页 |
| 3.1 引言 | 第23页 |
| 3.2 故障重构 | 第23-24页 |
| 3.3 Lasso重构 | 第24-28页 |
| 3.3.1 求解故障方向 | 第25-26页 |
| 3.3.2 参数μ的选择 | 第26页 |
| 3.3.3 计算故障幅值e | 第26-27页 |
| 3.3.4 故障诊断 | 第27-28页 |
| 3.4 实例研究 | 第28-37页 |
| 3.4.1 数值案例 | 第28-29页 |
| 3.4.2 TE Benchmark实例 | 第29-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于参数回归的工业过程故障诊断方法 | 第39-63页 |
| 4.1 引言 | 第39页 |
| 4.2 参数回归 | 第39-40页 |
| 4.3 Bayesian Lasso故障诊断 | 第40-50页 |
| 4.3.1 参数后验密度函数的推导 | 第42-43页 |
| 4.3.2 Gibbs抽样的构建 | 第43-44页 |
| 4.3.3 回归系数β控制限的计算 | 第44页 |
| 4.3.4 变量故障概率的计算 | 第44-45页 |
| 4.3.5 实例研究 | 第45-50页 |
| 4.4 Bayesian Fused Lasso故障诊断 | 第50-61页 |
| 4.4.1 实例研究 | 第54-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
| 附件 | 第71页 |