| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-30页 |
| 1.1 引言 | 第13页 |
| 1.2 过程监测概述 | 第13-16页 |
| 1.2.1 过程监测的研究内容 | 第13-14页 |
| 1.2.2 过程监测的主要研究方法 | 第14-16页 |
| 1.3 统计过程监测的研究现状 | 第16-27页 |
| 1.3.1 统计过程监测的发展历程 | 第16-17页 |
| 1.3.2 多变量统计过程监测的主要方法 | 第17-23页 |
| 1.3.3 TE Benchmark实验平台介绍 | 第23-26页 |
| 1.3.4 多变量统计过程监测中存在的问题 | 第26-27页 |
| 1.4 本文的研究内容和安排 | 第27-29页 |
| 1.5 本章小结 | 第29-30页 |
| 第2章 基于四子空间构建与贝叶斯推理的分布式统计过程监测 | 第30-47页 |
| 2.1 引言 | 第30页 |
| 2.2 基于FSCB的分布式统计过程监测 | 第30-34页 |
| 2.2.1 FSCB方法概述 | 第30-31页 |
| 2.2.2 四子空间的构建策略 | 第31-32页 |
| 2.2.3 子空间构建方法分析 | 第32-33页 |
| 2.2.4 故障检测方法 | 第33-34页 |
| 2.3 基于FSCB的过程监测策略 | 第34-36页 |
| 2.3.1 故障检测流程 | 第34-35页 |
| 2.3.2 基于贡献图的故障诊断方法 | 第35-36页 |
| 2.4 实验研究 | 第36-45页 |
| 2.4.1 数值仿真实验研究 | 第36-39页 |
| 2.4.2 TE Benchmark仿真实验 | 第39-42页 |
| 2.4.3 FSCB方法的有效性分析 | 第42-45页 |
| 2.5 本章小结 | 第45-47页 |
| 第3章 基于多流形投影算法的过程监测研究 | 第47-61页 |
| 3.1 引言 | 第47-48页 |
| 3.2 PCA、LPP、以及MMP算法推理 | 第48-51页 |
| 3.2.1 PCA和LPP算法介绍 | 第48-49页 |
| 3.2.2 MMP算法推理 | 第49-50页 |
| 3.2.3 MMP算法分析 | 第50-51页 |
| 3.3 基于MMP的过程监测方法 | 第51-52页 |
| 3.3.1 故障检测方法 | 第51页 |
| 3.3.2 故障诊断方法 | 第51-52页 |
| 3.4 实验研究 | 第52-59页 |
| 3.4.1 数值仿真实验研究 | 第52-53页 |
| 3.4.2 TE过程实验研究 | 第53-59页 |
| 3.5 本章小结 | 第59-61页 |
| 第4章 集成学习策略下的独立成分分析及其应用研究 | 第61-77页 |
| 4.1 引言 | 第61-62页 |
| 4.2 ICA模型求解与数据降维 | 第62-64页 |
| 4.2.1 FastICA算法 | 第62-63页 |
| 4.2.2 ICA算法数据降维问题 | 第63-64页 |
| 4.3 基于EICA的过程监测方法 | 第64-67页 |
| 4.3.1 集成学习思想与贝叶斯推理 | 第65-66页 |
| 4.3.2 故障诊断方法 | 第66-67页 |
| 4.3.3 详细的过程监测流程 | 第67页 |
| 4.4 实验研究 | 第67-75页 |
| 4.4.1 数值仿真案例分析 | 第68-72页 |
| 4.4.2 TE Benchmark实验研究 | 第72-75页 |
| 4.5 本章小结 | 第75-77页 |
| 第5章 融合模态聚类与展开的自适应多模态过程监测策略 | 第77-93页 |
| 5.1 引言 | 第77-78页 |
| 5.2 数据聚类与多向展开数据处理方法 | 第78-80页 |
| 5.2.1 集成c-均值聚类算法 | 第78-79页 |
| 5.2.2 间歇过程多向数据处理方式 | 第79-80页 |
| 5.3 模态聚类与模态展开 | 第80-82页 |
| 5.3.1 模态聚类 | 第80-81页 |
| 5.3.2 模态展开 | 第81-82页 |
| 5.4 自适应过程监测策略 | 第82-85页 |
| 5.4.1 自适应模态辨识 | 第82-84页 |
| 5.4.2 自适应模型更新 | 第84-85页 |
| 5.4.3 多模态自适应过程监测流程 | 第85页 |
| 5.5 仿真案例研究 | 第85-91页 |
| 5.5.1 离线建模 | 第86-88页 |
| 5.5.2 实验结果对比分析 | 第88-91页 |
| 5.6 本章小结 | 第91-93页 |
| 第6章 基于混合方法的多模态过程系统故障检测与诊断研究 | 第93-110页 |
| 6.1 引言 | 第93-94页 |
| 6.2 过程监测框架概述 | 第94-95页 |
| 6.3 基于数据驱动的模态辨识和SMI技术 | 第95-97页 |
| 6.3.1 高斯混合模型 | 第95-96页 |
| 6.3.2 子空间模型辨识 | 第96-97页 |
| 6.4 基于观测器设计的故障检测与诊断 | 第97-100页 |
| 6.4.1 未知输入观测器 | 第97-99页 |
| 6.4.2 传感器故障诊断 | 第99-100页 |
| 6.4.3 执行器或过程故障诊断 | 第100页 |
| 6.5 仿真案例研究 | 第100-109页 |
| 6.5.1 数值仿真案例 | 第100-105页 |
| 6.5.2 CSTH过程实验研究 | 第105-107页 |
| 6.5.3 TE Benchmark过程实验研究 | 第107-109页 |
| 6.6 本章小结 | 第109-110页 |
| 第7章 研究总结与展望 | 第110-114页 |
| 7.1 研究工作总结 | 第110-112页 |
| 7.2 研究工作展望 | 第112-114页 |
| 参考文献 | 第114-125页 |
| 致谢 | 第125-126页 |
| 攻读博士学位期间发表的学术论文 | 第126页 |
