| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 课题背景及研究意义 | 第14-15页 |
| 1.2 故障检测与诊断 | 第15-19页 |
| 1.2.1 国内外研究现状 | 第15-16页 |
| 1.2.2 故障检测与诊断方法 | 第16-18页 |
| 1.2.3 多元统计过程监控 | 第18-19页 |
| 1.3 高斯混合模型(GMM) | 第19-20页 |
| 1.4 间歇过程概述 | 第20-22页 |
| 1.4.1 间歇过程数据预处理 | 第21页 |
| 1.4.2 间歇过程特性 | 第21-22页 |
| 1.5 课题研究内容及组织结构 | 第22-24页 |
| 第2章 基于MAGMM-KECA的间歇过程故障诊断 | 第24-34页 |
| 2.1 引言 | 第24页 |
| 2.2 基于F-J的GMM算法 | 第24-26页 |
| 2.3 多向自适应高斯混合模型-核熵成分分析(MAGMM-KECA) | 第26-27页 |
| 2.4 基于MAGMM-KECA的监控策略 | 第27-29页 |
| 2.4.1 间歇过程数据预处理 | 第27-28页 |
| 2.4.2 CS(Cauchy-Schwarz)监控统计量 | 第28-29页 |
| 2.4.3 离线建模 | 第29页 |
| 2.4.4 在线监控 | 第29页 |
| 2.5 案例研究及分析 | 第29-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 基于GLRGMM的间歇过程在线监控 | 第34-42页 |
| 3.1 引言 | 第34页 |
| 3.2 全局-局部邻域保持嵌入算法(GLNPE) | 第34-36页 |
| 3.2.1 邻域保持嵌入算法(NPE) | 第34-35页 |
| 3.2.2 全局-局部邻域保持嵌入算法(GLNPE) | 第35-36页 |
| 3.3 全局-局部正则化高斯混合模型(GLRGMM)算法 | 第36-38页 |
| 3.4 基于GLRGMM的监控策略 | 第38页 |
| 3.4.1 GLP(GlobalLocalProbability)监控指标 | 第38页 |
| 3.4.2 离线建模 | 第38页 |
| 3.4.3 在线监控 | 第38页 |
| 3.5 实验仿真及分析 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于核熵投影的CPLS间歇过程监测及质量预测 | 第42-50页 |
| 4.1 引言 | 第42-43页 |
| 4.2 并发潜结构投影(CPLS) | 第43页 |
| 4.3 多向高斯混合模型-并发核熵潜结构投影(MGMM-CKEPLS) | 第43-45页 |
| 4.3.1 并发核熵潜结构投影(CKEPLS) | 第43-44页 |
| 4.3.2 MGMM-CKEPLS | 第44-45页 |
| 4.4 基于MGMM-CKEPLS的监控策略 | 第45-46页 |
| 4.4.1 离线建模 | 第45-46页 |
| 4.4.2 在线监测 | 第46页 |
| 4.4.3 质量预测 | 第46页 |
| 4.5 实验仿真及分析 | 第46-49页 |
| 4.5.1 故障监测 | 第46-48页 |
| 4.5.2 质量预测 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 基于相似性度量的MWSVDD间歇过程监控 | 第50-60页 |
| 5.1 引言 | 第50-51页 |
| 5.2 支持向量数据描述(SVDD) | 第51-52页 |
| 5.3 相似性度量的MWSVDD(SMMWSVDD) | 第52-53页 |
| 5.3.1 相似性度量的GMM多阶段划分 | 第52页 |
| 5.3.2 多向加权支持向量数据描述(MWSVDD) | 第52-53页 |
| 5.4 基于SMMWSVDD的监控策略 | 第53-56页 |
| 5.4.1 D检验法 | 第53-54页 |
| 5.4.2 BIC监控统计量 | 第54-55页 |
| 5.4.3 具体监控策略 | 第55-56页 |
| 5.5 案例研究及分析 | 第56-59页 |
| 5.6 本章小结 | 第59-60页 |
| 结论与展望 | 第60-63页 |
| 结论 | 第60-61页 |
| 展望 | 第61-63页 |
| 参考文献 | 第63-71页 |
| 致谢 | 第71-72页 |
| 附录 攻读硕士学位期间所发表的学术论文 | 第72页 |
