基于数据的非线性过程的监测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景与研究意义 | 第10页 |
| 1.2 过程监测技术 | 第10-13页 |
| 1.2.1 过程监测技术概述 | 第10-11页 |
| 1.2.2 过程监测方法分类 | 第11-13页 |
| 1.3 基于数据的过程监测方法 | 第13-15页 |
| 1.4 论文主要工作 | 第15-16页 |
| 第2章 基础理论知识 | 第16-22页 |
| 2.1 主元分析 | 第16-19页 |
| 2.1.1 主元分析算法 | 第16-18页 |
| 2.1.2 基于主元分析的过程监测 | 第18-19页 |
| 2.2 偏最小二乘 | 第19-20页 |
| 2.3 核方法 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于核共变偏最小二乘的故障重构方法 | 第22-38页 |
| 3.1 核共变偏最小二乘方法 | 第23-24页 |
| 3.1.1 核共变偏最小二乘建模 | 第23-24页 |
| 3.1.2 基于核共变偏最小二乘的故障监测 | 第24页 |
| 3.2 基于KCPLS的故障重构方法 | 第24-29页 |
| 3.2.1 故障相关方向的提取 | 第25-28页 |
| 3.2.2 故障变量的重构 | 第28-29页 |
| 3.3 基于KCPLS重构的在线故障监测 | 第29-30页 |
| 3.4 仿真研究 | 第30-36页 |
| 3.4.1 青霉素生产过程 | 第30-31页 |
| 3.4.2 仿真结果分析 | 第31-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于模式间相对分析的故障诊断方法 | 第38-58页 |
| 4.1 核独立元分析算法 | 第39-40页 |
| 4.2 基于KICA的模式间相对分析算法 | 第40-43页 |
| 4.2.1 基于KICA的多模式过程的离线分析 | 第40-42页 |
| 4.2.2 基于KICA的多模式过程的在线监测 | 第42-43页 |
| 4.3 基于模式间相对分析的故障重构 | 第43-48页 |
| 4.3.1 故障幅值的计算 | 第43-45页 |
| 4.3.2 提取故障特征方向 | 第45-47页 |
| 4.3.3 在线故障诊断 | 第47-48页 |
| 4.4 仿真研究 | 第48-56页 |
| 4.4.1 田纳西过程介绍 | 第48-50页 |
| 4.4.2 仿真结果分析 | 第50-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 总结和展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士期间发表的论文 | 第66页 |
