| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 贝叶斯框架下常用的状态估计算法 | 第8-9页 |
| 1.3 间歇过程状态估计方法研究现状 | 第9-11页 |
| 1.3.1 融合时滞检测值信息的状态估计方法 | 第9-10页 |
| 1.3.2 融合先前批次信息的状态估计方法 | 第10-11页 |
| 1.4 本文主要研究内容 | 第11-13页 |
| 第二章 预备知识 | 第13-19页 |
| 2.1 引言 | 第13页 |
| 2.2 贝叶斯滤波 | 第13-15页 |
| 2.2.1 状态空间模型 | 第13页 |
| 2.2.2 贝叶斯滤波 | 第13-15页 |
| 2.3 粒子滤波 | 第15-17页 |
| 2.3.1 蒙特卡罗方法 | 第15-16页 |
| 2.3.2 标准粒子滤波 | 第16-17页 |
| 2.4 前/后向平滑算法 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 单批次下的间歇过程时滞状态估计方法 | 第19-27页 |
| 3.1 引言 | 第19页 |
| 3.2 模型描述 | 第19-20页 |
| 3.2.1 间歇过程的关键变量检测 | 第19-20页 |
| 3.2.2 时滞状态空间模型 | 第20页 |
| 3.3 单批次下的时滞状态估计方法 | 第20-23页 |
| 3.3.1 仅有在线检测值的时刻 | 第20-21页 |
| 3.3.2 两种检测值并存的时刻 | 第21-23页 |
| 3.4 算法验证 | 第23-26页 |
| 3.4.1 数值仿真 | 第23-24页 |
| 3.4.2 生物制氢过程 | 第24-26页 |
| 3.5 本章小结 | 第26-27页 |
| 第四章 基于双维状态空间模型的间歇过程时滞状态估计方法 | 第27-41页 |
| 4.1 引言 | 第27页 |
| 4.2 模型描述 | 第27-28页 |
| 4.2.1 间歇过程的双维特性 | 第27-28页 |
| 4.2.2 双维时滞状态空间模型 | 第28页 |
| 4.3 基于双维状态空间模型的时滞状态估计方法 | 第28-34页 |
| 4.3.1 仅有在线检测值的时刻 | 第29-32页 |
| 4.3.2 两种检测值并存的时刻 | 第32-34页 |
| 4.4 算法验证 | 第34-40页 |
| 4.4.1 数值仿真 | 第35-37页 |
| 4.4.2 生物制氢过程 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 基于迭代学习的间歇过程时滞状态估计方法 | 第41-53页 |
| 5.1 引言 | 第41页 |
| 5.2 间歇过程中的迭代学习控制方法 | 第41-42页 |
| 5.3 模型描述 | 第42-43页 |
| 5.3.1 间歇过程的重复特性 | 第42-43页 |
| 5.3.2 基于重复特性的时滞状态空间模型 | 第43页 |
| 5.4 基于迭代学习的时滞状态估计方法 | 第43-47页 |
| 5.4.1 仅有在线检测值的时刻 | 第43-44页 |
| 5.4.2 两种检测值并存的时刻 | 第44-47页 |
| 5.5 算法验证 | 第47-52页 |
| 5.5.1 数值仿真 | 第47-49页 |
| 5.5.2 生物制氢过程 | 第49-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第59页 |