基于数据驱动的间歇过程故障检测
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 故障检测与诊断技术 | 第9-11页 |
| 1.2.1 故障检测与诊断的研究内容 | 第9-10页 |
| 1.2.2 故障检测与诊断方法 | 第10-11页 |
| 1.3 基于数据驱动方法的发展与研究现状 | 第11-13页 |
| 1.4 本文内容安排 | 第13-14页 |
| 第二章 主元分析法及其应用 | 第14-23页 |
| 2.1 引言 | 第14页 |
| 2.2 主元分析法 | 第14-18页 |
| 2.2.1 算法简介 | 第15页 |
| 2.2.2 算法描述 | 第15-16页 |
| 2.2.3 基于主元分析的故障检测 | 第16-17页 |
| 2.2.4 基于变量贡献图的故障识别 | 第17-18页 |
| 2.3 间歇过程的数据特性 | 第18-20页 |
| 2.3.1 数据的三维特性 | 第18-19页 |
| 2.3.2 三维数据的展开及标准化 | 第19-20页 |
| 2.4 MPCA在间歇过程中的应用及特点 | 第20-22页 |
| 2.4.1 MPCA方法 | 第20-21页 |
| 2.4.2 多阶段特性问题 | 第21页 |
| 2.4.3 批次不等长及数据预估问题 | 第21-22页 |
| 2.4.4 动态特性问题 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于即时学习的故障检测 | 第23-41页 |
| 3.1 引言 | 第23页 |
| 3.2 即时学习方法简介 | 第23-25页 |
| 3.3 间歇过程的JITL建模方法 | 第25-28页 |
| 3.3.1 基于移动窗策略的JITL方法 | 第25-26页 |
| 3.3.2 移动窗宽度选择 | 第26-27页 |
| 3.3.3 局部建模策略优势分析 | 第27-28页 |
| 3.4 基于JITL-PCA的在线监控 | 第28-30页 |
| 3.5 JITL-PCA算法仿真 | 第30-40页 |
| 3.5.1 青霉素发酵过程 | 第30-32页 |
| 3.5.2 青霉素过程仿真 | 第32-40页 |
| 3.6 小结 | 第40-41页 |
| 第四章 基于LNS的故障检测 | 第41-59页 |
| 4.1 引言 | 第41-42页 |
| 4.2 局部邻域标准化策略（LNS） | 第42-46页 |
| 4.2.1 LNS算法 | 第42-43页 |
| 4.2.2 LNS方法与传统方法的比较 | 第43-46页 |
| 4.3 LNS在间歇过程中的应用 | 第46-47页 |
| 4.4 基于LNS-PCA的间歇过程故障检测 | 第47-49页 |
| 4.4.1 离线建模阶段 | 第47-48页 |
| 4.4.2 在线监控阶段 | 第48-49页 |
| 4.5 实验仿真分析 | 第49-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 研究工作总结 | 第59页 |
| 5.2 研究工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 作者在攻读硕士期间的研究成果 | 第65页 |
