| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 符号说明 | 第11-13页 |
| 第一章 绪论 | 第13-28页 |
| ·过程监控概述 | 第13-17页 |
| ·过程生产的不确定性 | 第13-14页 |
| ·过程监控的任务及意义 | 第14-15页 |
| ·过程监控的分类 | 第15-17页 |
| ·统计过程监控 | 第17-20页 |
| ·传统统计过程监控及统计过程控制 | 第17-18页 |
| ·多变量统计过程监控 | 第18-20页 |
| ·基于PCA 过程监控方法的研究现状 | 第20-26页 |
| ·基于PCA 过程监控方法的提出和应用 | 第20-21页 |
| ·基于PCA 统计监控中存在的问题 | 第21-22页 |
| ·监控指标及控制限 | 第22-23页 |
| ·动态PCA 过程监控方法 | 第23-24页 |
| ·非线性PCA 过程监控方法 | 第24-25页 |
| ·非正态过程中基于PCA 的过程监控方法 | 第25-26页 |
| ·遗失数据重构的问题 | 第26页 |
| ·本课题要研究的问题 | 第26-28页 |
| 第二章 基于PCA 的统计过程监控及其扩展应用 | 第28-50页 |
| ·概述 | 第28页 |
| ·本章的主要贡献 | 第28-29页 |
| ·单变量统计过程监控 | 第29-30页 |
| ·基于PCA 的多变量统计过程控制 | 第30-35页 |
| ·PCA 算法 | 第30-34页 |
| ·基于特征值分解 | 第31-32页 |
| ·基于奇异值分解 | 第32页 |
| ·非线性迭代部分最小二乘算法 | 第32-33页 |
| ·主元个数的确定 | 第33页 |
| ·数据的压缩和恢复 | 第33-34页 |
| ·基于PCA 的过程监控 | 第34-35页 |
| ·因子分析模型 | 第35-37页 |
| ·基于FA 模型的过程监控 | 第37-39页 |
| ·因子个数的选择 | 第37页 |
| ·对因子的监控指标（定义扩展T~2 指标GT~2） | 第37-38页 |
| ·对噪声的监控（定义扩展SPE 指标GSPE） | 第38页 |
| ·综合监控指标（ST） | 第38-39页 |
| ·验证实例 | 第39-49页 |
| ·化工吸附分离过程 | 第39-40页 |
| ·田纳西-伊斯曼过程 | 第40-43页 |
| ·FA 在化工吸附分离过程监控中的应用 | 第43-46页 |
| ·基于FA 的田纳西-伊斯曼过程监控 | 第46-49页 |
| ·结论 | 第49-50页 |
| 第三章 改进监控指标及控制限算法 | 第50-65页 |
| ·引言 | 第50页 |
| ·本章贡献 | 第50-51页 |
| ·原有监控指标的缺陷 | 第51-52页 |
| ·改进SPE 监控指标 | 第52页 |
| ·改进SPE 指标的加权表示 | 第52-53页 |
| ·综合指标（OIndex） | 第53-54页 |
| ·改进指标的实时性分析 | 第54-55页 |
| ·常用的控制限算法 | 第55-56页 |
| ·传统控制限算法 | 第55页 |
| ·基于核函数的非参数控制限的算法 | 第55-56页 |
| ·基于KPCA 非参数控制限的算法 | 第56-59页 |
| ·基本思想 | 第56-57页 |
| ·基于KPCA 非参数控制限的算法 | 第57-58页 |
| ·实时性分析及该方法在单变量监控中的应用 | 第58-59页 |
| ·仿真实例 | 第59-64页 |
| ·简单示例 | 第59-61页 |
| ·TE 过程的监控 | 第61-64页 |
| ·故障5 的个案研究 | 第61-62页 |
| ·故障10 的个案研究 | 第62-63页 |
| ·典型故障的比较 | 第63-64页 |
| ·吸附分离过程的监控 | 第64页 |
| ·结论 | 第64-65页 |
| 第四章 遗失数据重构及其在软测量中的应用 | 第65-86页 |
| ·引言 | 第65-66页 |
| ·本章贡献 | 第66页 |
| ·基于PCA 数据重构的一般表达式 | 第66-67页 |
| ·基于改进指标的遗失数据恢复 | 第67-71页 |
| ·基于改进SPE 的单变量遗失数据恢复 | 第67-68页 |
| ·基于改进SPE 的多变量遗失数据恢复 | 第68页 |
| ·遗失数据恢复的几何分析 | 第68-70页 |
| ·数据重构误差分析及对过程监控的影响 | 第70-71页 |
| ·一种非线性的遗失数据恢复方法 | 第71-75页 |
| ·非线性过程数据重构 | 第72-75页 |
| ·非线性PCA | 第72-73页 |
| ·一种部分输入自调整神经网络及数据重构 | 第73-75页 |
| ·非线性数据重构方法步骤 | 第75页 |
| ·基于FA 的遗失数据恢复研究 | 第75-76页 |
| ·遗失数据重构在软测量中的应用 | 第76-78页 |
| ·主元回归方法 | 第77页 |
| ·基于遗失数据的软测量技术 | 第77-78页 |
| ·应用实例 | 第78-85页 |
| ·简单示例 | 第78-79页 |
| ·TE 过程的数据恢复 | 第79-82页 |
| ·单变量遗失数据恢复 | 第79-81页 |
| ·多变量遗失数据恢复 | 第81-82页 |
| ·吸附分离过程的数据恢复 | 第82-84页 |
| ·基于遗失数据处理的软测量技术在TE 过程中的应用 | 第84-85页 |
| ·结论 | 第85-86页 |
| 第五章 非正态分布过程的监控 | 第86-103页 |
| ·引言 | 第86-87页 |
| ·本章主要贡献 | 第87页 |
| ·改进MPPCA 模型 | 第87-90页 |
| ·一般MPPCA 模型 | 第87-88页 |
| ·改进MPPCA 模型 | 第88-90页 |
| ·算法实现 | 第90页 |
| ·基于改进MPPCA 模型的监控方法 | 第90-92页 |
| ·一种改进综合指标 | 第92-93页 |
| ·一种基于核独立元分析的非线性过程监控方法 | 第93-97页 |
| ·KICA | 第93-95页 |
| ·一种基于KICA 的过程监控 | 第95-97页 |
| ·高维空间中独立元个数的选择 | 第95页 |
| ·新的监控指标 | 第95-96页 |
| ·一种基于KICA 新的过程监控方法 | 第96-97页 |
| ·实例验证 | 第97-102页 |
| ·基于MPPCA 的吸附化工分离过程的监控 | 第97-101页 |
| ·基于KICA 的TE 过程的监控 | 第101-102页 |
| ·结论 | 第102-103页 |
| 第六章 非线性过程监控方法 | 第103-123页 |
| ·引言 | 第103页 |
| ·本章的主要贡献 | 第103-104页 |
| ·基于分级输入训练神经网络非线性PCA | 第104-109页 |
| ·基于输入训练神经网络的非线性PCA 的缺陷 | 第104-105页 |
| ·基于分级输入训练神经网络非线性PCA | 第105-108页 |
| ·仿真示例 | 第108-109页 |
| ·基于KPCA 的在线过程监控 | 第109-115页 |
| ·KPCA 算法 | 第109-111页 |
| ·基于KPCA 的过程监控 | 第111页 |
| ·基于神经网络和KPCA 的监控方法 | 第111-112页 |
| ·稀疏核主元分析（SKPCA） | 第112-114页 |
| ·基于SKPCA 的过程监控 | 第114-115页 |
| ·工业过程核概率主元模型建立及监控指标研究 | 第115-117页 |
| ·KPPCA 模型 | 第115-116页 |
| ·基于KPPCA 的过程监控及分析 | 第116-117页 |
| ·效果验证 | 第117-122页 |
| ·基于SKPCA 对化工吸附分离过程的研究 | 第117-119页 |
| ·基于KPCA 和对TE 过程的研究 | 第119-120页 |
| ·基于KPPCA 对TE 过程的研究 | 第120-122页 |
| ·结论 | 第122-123页 |
| 第七章 总结与思考 | 第123-125页 |
| 致谢 | 第125-126页 |
| 参考文献 | 第126-135页 |
| 论文及课题一览表 | 第135-136页 |