| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 故障监测的研究内容 | 第11-13页 |
| 1.2.1 故障的基本概念 | 第11页 |
| 1.2.2 故障监测与诊断过程 | 第11-13页 |
| 1.2.3 故障诊断的性能指标 | 第13页 |
| 1.3 啤酒生产过程工艺及设备 | 第13-16页 |
| 1.3.1 啤酒发酵过程及生产工艺 | 第13-14页 |
| 1.3.2 啤酒发酵过程装置 | 第14-15页 |
| 1.3.3 传感器故障与啤酒发酵 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-18页 |
| 第2章 工业过程故障监测方法介绍 | 第18-32页 |
| 2.1 过程监测方法的介绍 | 第18-19页 |
| 2.2 主元分析方法介绍 | 第19-26页 |
| 2.2.1 PCA方法介绍 | 第19-20页 |
| 2.2.2 基于PCA的过程监测 | 第20-21页 |
| 2.2.3 PCA基本的几何意义 | 第21-26页 |
| 2.3 核函数理论及常用核函数 | 第26-27页 |
| 2.4 核主元分析的基本方法 | 第27-28页 |
| 2.5 基于核主元分析的故障监测性能指标 | 第28-29页 |
| 2.5.1 SPE统计量和控制限 | 第28-29页 |
| 2.5.2 T2统计量和控制限 | 第29页 |
| 2.6 主元个数确定方法比较 | 第29-31页 |
| 2.6.1 累计方差贡献率法 | 第30页 |
| 2.6.2 残差平方和统计量法 | 第30-31页 |
| 2.6.3 交叉检验估计法 | 第31页 |
| 2.6.4 平均特征值法 | 第31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 基于PCA-LPP的啤酒发酵过程故障监测 | 第32-44页 |
| 3.1 LPP方法介绍 | 第32-33页 |
| 3.2 PCA与LPP的比较 | 第33-34页 |
| 3.3 基于PCA-LPP的故障检测模型的建立 | 第34-38页 |
| 3.3.1 PCA降维模型 | 第34-35页 |
| 3.3.2 LPP降维模型 | 第35-36页 |
| 3.3.3 基于PCA-LPP的故障监测模型 | 第36-38页 |
| 3.4 啤酒发酵装置的改进 | 第38-40页 |
| 3.4.1 啤酒发酵装置改进背景 | 第38-39页 |
| 3.4.2 改进方式及提升 | 第39-40页 |
| 3.5 基于PCA-LPP方法的啤酒发酵过程监测 | 第40-42页 |
| 3.6 实验结果分析 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 基于KPCA- LPP的啤酒发酵过程故障监测 | 第44-56页 |
| 4.1 相似度连接矩阵的构造 | 第44-46页 |
| 4.2 投影矩阵的表示 | 第46-47页 |
| 4.3 改进的KPCA-LPP故障监测方法 | 第47-51页 |
| 4.3.1 核空间统计量计算 | 第49页 |
| 4.3.2 离线建模流程 | 第49-51页 |
| 4.4 仿真实验 | 第51-54页 |
| 4.5 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间发表的实用新型专利 | 第60-61页 |
| 致谢 | 第61页 |