| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·本研究课题的主要背景 | 第7-11页 |
| ·谷氨酸发酵的历史与现状 | 第7-8页 |
| ·我国工业发酵行业的现状 | 第8-9页 |
| ·发酵过程控制的发展趋势 | 第9-10页 |
| ·基于多向主元分析进行故障诊断的研究现状 | 第10页 |
| ·基于自我联想型神经网络进行故障诊断的研究现状 | 第10-11页 |
| ·本研究课题的主要内容 | 第11-13页 |
| ·本研究课题的主要意义 | 第13-15页 |
| 第二章 谷氨酸发酵的数据采集及其预处理 | 第15-23页 |
| ·发酵数据测定方法 | 第15-17页 |
| ·葡萄糖的测定 | 第15页 |
| ·谷氨酸的测定 | 第15页 |
| ·菌体浓度的测定 | 第15页 |
| ·菌体干重的测定 | 第15-16页 |
| ·摄氧速度（OUR）和二氧化碳生成速度（CER）的计算 | 第16-17页 |
| ·实验设备 | 第17-18页 |
| ·保兴BIOTECH-58G 发酵罐联机、数据采集、控制集成系统 | 第17-18页 |
| ·其他仪器及设备 | 第18页 |
| ·谷氨酸发酵在线数据采集 | 第18页 |
| ·数据清理 | 第18-19页 |
| ·遗漏数据处理 | 第18-19页 |
| ·噪音数据处理 | 第19页 |
| ·不一致数据处理 | 第19页 |
| ·数据的标准化 | 第19-20页 |
| ·结果与讨论 | 第20-22页 |
| ·谷氨酸发酵过程中菌体生长和产物代谢的基本特征 | 第20-21页 |
| ·谷氨酸发酵过程的“正常”与“非正常”区分 | 第21-22页 |
| ·数据平滑处理方法的选择 | 第22页 |
| ·小结 | 第22-23页 |
| 第三章 基于多向主元分析模型的谷氨酸发酵故障诊断 | 第23-35页 |
| ·引言 | 第23-25页 |
| ·材料与方法 | 第25-28页 |
| ·主元分析模型 | 第25-27页 |
| ·基于变量展开的多向主元分析模型 | 第27-28页 |
| ·结果与讨论 | 第28-34页 |
| ·参考模型数据库的建立 | 第28-29页 |
| ·基于多向主元分析模型的谷氨酸发酵故障诊断步骤 | 第29页 |
| ·SPE 统计量、Hotlling T~2 统计量控制限的确定 | 第29-30页 |
| ·正常异常发酵罐批的SPE 统计量比较 | 第30-31页 |
| ·正常异常发酵罐批的Hotlling T~2 统计量比较 | 第31-33页 |
| ·异常发酵罐批过程变量对SPE 统计量的贡献图 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于自我联想型神经网络的谷氨酸发酵在线故障诊断 | 第35-42页 |
| ·引言 | 第35页 |
| ·材料与方法 | 第35-37页 |
| ·铵根离子测定的分析方法 | 第35-36页 |
| ·用于故障诊断和早期预警的自我联想型神经网络（Autosssociative Neural Network） | 第36-37页 |
| ·结果与讨论 | 第37-41页 |
| ·基于自我联想型神经网络（AANN）谷氨酸发酵过程故障诊断的状态变量的选择 | 第37-39页 |
| ·基于自我联想型神经网络（AANN）进行谷氨酸发酵故障诊断 | 第39-40页 |
| ·基于自我联想型神经网络（AANN）进行故障处理 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 结论与展望 | 第42-44页 |
| ·结论 | 第42页 |
| ·展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第49页 |
