首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--监视、报警、故障诊断系统论文

工业过程监测:基于小波和统计学的方法

中文摘要第1-13页
英文摘要第13-17页
致谢第17-18页
第一章 绪论第18-29页
 1.1 过程监测的主要内容与方法第18-24页
  1.1.1 过程监测的一些基本概念第19-21页
  1.1.2 基于数学模型的方法第21-22页
  1.1.3 不依赖于数学模型的方法第22-24页
 1.2 小波在工业过程中的应用第24-26页
 1.3 统计学在工业过程中的应用第26-28页
 1.4 本文概要第28-29页
第二章 高频采样数据的多尺度重构第29-37页
 2.1 引言第29-30页
 2.2 低频采样信号的时频域滤波处理第30-31页
 2.3 高频采样数据的分层递阶重构第31-34页
 2.4 仿真算例第34-36页
 2.5 本章小结第36-37页
第三章 过程数据在线小波分解与滤波第37-50页
 3.1 引言第37-38页
 3.2 噪声和粗差的滤出第38-43页
  3.2.1 小波阈值滤波第38-42页
  3.2.2 鲁棒小波分解与粗差抑制第42-43页
 3.3 平移不变小波变换第43-47页
  3.3.1 Beylkin-Shensa算法第44-46页
  3.3.2 最优平移算法第46-47页
 3.4 区间小波分解与重构第47-49页
 3.5 本章小结第49-50页
第四章 小波阈值密度估计器的设计与应用第50-60页
 4.1 引言第50-52页
 4.2 小波密度估计器原理第52-54页
 4.3 小波阈值密度估计器的实现第54-56页
  4.3.1 网格分布与f_m~*的参数选择第54-55页
  4.3.2 粗差影响的迭代消除第55-56页
 4.4 应用例子第56-59页
 4.5 本章小结第59-60页
第五章 PCA统计过程监测模型第60-71页
 5.1 引言第60-61页
 5.2 PCA统计过程模型第61-63页
 5.3 PCA检测结果的内涵及其影响因素第63-67页
  5.3.1 T~2统计量均值的变化分析第64-65页
  5.3.2 SPE统计量均值的变化分析第65页
  5.3.3 主要结果第65-67页
 5.4 仿真算例第67-69页
 5.5 本章小结第69-71页
第六章 改进PCA与故障可检测性分析第71-87页
 6.1 引言第71-72页
 6.2 PVR统计量与CVR统计量第72-76页
 6.3 故障的可检测性分析与最优PCA模型第76-81页
  6.3.1 故障可检测的必要条件第76-78页
  6.3.2 故障可检测的充分条件第78-79页
  6.3.3 最优可检测函数与主元个数选取第79-81页
 6.4 仿真研究第81-86页
 6.5 本章小结第86-87页
第七章 故障的可重构性、可识别性与可分离性的研究第87-100页
 7.1 引言第87-88页
 7.2 故障的重构与识别第88-91页
  7.2.1 完全重构与部分重构第88-89页
  7.2.2 故障识别第89-91页
 7.3 故障分离与故障的描述第91-93页
 7.4 仿真研究第93-98页
 7.5 本章小结第98-100页
第八章 故障传播模式与传感器网络设置第100-112页
 8.1 引言第100-101页
 8.2 化工过程的有向图模型第101-104页
  8.2.1 基本概念第101-103页
  8.2.2 两个假设条件第103-104页
 8.3 传感器网络设置的定性分析第104-107页
  8.3.1 故障模式与CE图第104-106页
  8.3.2 网络设置算法第106-107页
 8.4 CSTR-Heat Exchanger标准问题第107-111页
 8.5 本章小结第111-112页
第九章 集成的工业过程监测系统第112-124页
 9.1 引言第112-113页
 9.2 过程趋势分析第113-119页
  9.2.1 基本定义与几何描述方式第114-116页
  9.2.2 小波分析与过程趋势提取第116-119页
 9.3 过程监测系统的框架分析第119-123页
 9.4 本章小结第123-124页
第十章 结束语第124-132页
 10.1 过程监测中的方法论第124-126页
 10.2 挑战与展望第126-132页
参考文献第132-146页
附录1: 部分工业过程监测应用实例第146-148页
附录2: 攻博期间发表和完成与本文有关的论文第148-150页
附录3: 作者简历第150页

论文共150页,点击 下载论文
上一篇:我国股票发行制度创新研究
下一篇:论资产证券化