| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 致谢 | 第10-16页 |
| 第一章 绪论 | 第16-32页 |
| ·引言 | 第16-17页 |
| ·过程监控基本概念和方法分类 | 第17-19页 |
| ·基于数据的过程监控研究现状 | 第19-29页 |
| ·多变量统计过程控制方法 | 第19-23页 |
| ·基于模式识别的过程监控方法 | 第23-28页 |
| ·过程特征提取 | 第23-26页 |
| ·模式识别技术 | 第26-28页 |
| ·隐马尔可夫模型 | 第28-29页 |
| ·本论文结构 | 第29-32页 |
| 第二章 基于小波变换和 PCA的两步特征提取方法 | 第32-58页 |
| ·引言 | 第32-33页 |
| ·过程数据特征分析 | 第33-34页 |
| ·小波变换的基本思想 | 第34-38页 |
| ·过程数据的多尺度分析 | 第38-40页 |
| ·过程数据的奇异性分析 | 第40-44页 |
| ·过程数据的优化降维 | 第44-48页 |
| ·基于小波变换和 PCA的两步特征提取结构 | 第48-56页 |
| ·小结 | 第56-58页 |
| 第三章 基于 HMM的数据统计建模研究 | 第58-74页 |
| ·引言 | 第58-59页 |
| ·隐马尔可夫模型基本理论 | 第59-63页 |
| ·基于 HMM的过程数据统计建模 | 第63-73页 |
| ·单一小波系数的概率模型 | 第64-66页 |
| ·小波系数相关性的统计建模 | 第66-67页 |
| ·基于 HMM的主元特征序列统计建模 | 第67-73页 |
| ·小结 | 第73-74页 |
| 第四章 基于 HMM的故障识别研究 | 第74-96页 |
| ·引言 | 第74页 |
| ·基于 HMM的故障识别方法 | 第74-76页 |
| ·TENNESSEE EASTMAN过程仿真平台 | 第76-85页 |
| ·Tennessee Eastman过程描述 | 第76-85页 |
| ·Tennessee Eastman过程的基本控制系统 | 第85页 |
| ·TENNESSEE EASTMAN过程仿真实例 | 第85-94页 |
| ·小结 | 第94-96页 |
| 第五章 基于 HMM的过程监控方法研究 | 第96-106页 |
| ·引言 | 第96页 |
| ·移动时间窗口技术 | 第96-97页 |
| ·基于 HMM的过程监控方法 | 第97-99页 |
| ·TENNESSEE EASTMAN过程仿真实例 | 第99-104页 |
| ·小结 | 第104-106页 |
| 第六章 基于 HMM和 VMW的在线故障诊断方法研究 | 第106-118页 |
| ·引言 | 第106页 |
| ·变长度移动时间窗口 | 第106-108页 |
| ·基于 HMM和 VMW的在线故障诊断方法 | 第108-109页 |
| ·TENNESSEE EASTMAN过程仿真实例 | 第109-116页 |
| ·小结 | 第116-118页 |
| 第七章 工作总结和研究展望 | 第118-122页 |
| ·研究工作总结 | 第118-119页 |
| ·研究展望 | 第119-122页 |
| 参考文献 | 第122-134页 |
| 个人简历 | 第134-136页 |
| 攻读博士学位期间发表的学术论文 | 第136-137页 |