| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-30页 |
| 1.1 研究的背景与意义 | 第12-14页 |
| 1.2 故障诊断及其在污水处理过程中的研究现状 | 第14-23页 |
| 1.2.1 故障诊断的主要方法和研究现状 | 第14-20页 |
| 1.2.2 污水处理过程故障诊断的研究现状 | 第20-23页 |
| 1.3 多步预测及其在故障诊断中的研究现状 | 第23-24页 |
| 1.3.1 多步预测的研究现状 | 第23页 |
| 1.3.2 多步故障预测的研究现状 | 第23-24页 |
| 1.4 污水处理过程故障诊断与多步预测面临的主要问题 | 第24-27页 |
| 1.5 主要研究内容和安排 | 第27-30页 |
| 第二章 质量变量的软测量建模 | 第30-47页 |
| 2.1 引言 | 第30-31页 |
| 2.2 基于先验知识的软测量 | 第31-36页 |
| 2.2.1 融入先验知识的RBF神经网络软测量模型结构 | 第31-33页 |
| 2.2.2 融入先验知识的RBF神经网络软测量模型BOD预测 | 第33-35页 |
| 2.2.3 仿真结果与分析 | 第35-36页 |
| 2.3 基于先验知识的自适应软测量 | 第36-39页 |
| 2.3.1 融入先验知识的自适应RBF神经网络软测量模型结构 | 第36-37页 |
| 2.3.2 融入先验知识的自适应RBF神经网络软测量模型BOD预测 | 第37-38页 |
| 2.3.3 仿真结果与分析 | 第38-39页 |
| 2.4 多异质模型集成学习的自适应软测量 | 第39-45页 |
| 2.4.1 多异质模型的集成学习 | 第40-41页 |
| 2.4.2 多异质模型集成学习的自适应软测量建模 | 第41-43页 |
| 2.4.3 仿真结果与分析 | 第43-45页 |
| 2.5 本章小结 | 第45-47页 |
| 第三章 变分贝叶斯混合因子分析的传感器故障诊断 | 第47-63页 |
| 3.1 引言 | 第47-48页 |
| 3.2 因子分析方法 | 第48-49页 |
| 3.3 变分贝叶斯混合因子分析方法 | 第49-53页 |
| 3.3.1 混合因子分析模型的构建 | 第49-51页 |
| 3.3.2 贝叶斯混合因子分析模型参数的变分学习 | 第51-53页 |
| 3.4 基于变分贝叶斯混合因子的自适应过程监控 | 第53-56页 |
| 3.4.1 动态过程特性的表征 | 第53-54页 |
| 3.4.2 故障诊断因子的自适应合成 | 第54-55页 |
| 3.4.3 控制限设定 | 第55-56页 |
| 3.5 算例分析 | 第56-62页 |
| 3.5.1 基准仿真模型简介 | 第56页 |
| 3.5.2 数据预处理 | 第56-58页 |
| 3.5.3 故障诊断 | 第58-61页 |
| 3.5.4 故障识别 | 第61-62页 |
| 3.5.5 参数分析 | 第62页 |
| 3.6 本章小结 | 第62-63页 |
| 第四章 质量变量的高斯过程回归多步故障预测 | 第63-79页 |
| 4.1 引言 | 第63-64页 |
| 4.2 高斯过程单步预测 | 第64-69页 |
| 4.2.1 高斯过程回归 | 第64-65页 |
| 4.2.2 高斯过程超参数辨识 | 第65页 |
| 4.2.3 高斯过程核函数分析 | 第65-69页 |
| 4.3 高斯过程多步故障预测 | 第69-71页 |
| 4.3.1 高斯过程多步预测策略 | 第69-70页 |
| 4.3.2 高斯过程多步故障预警 | 第70-71页 |
| 4.4 算例分析 | 第71-78页 |
| 4.4.1 基准仿真模型BOD预测 | 第71-75页 |
| 4.4.2 污水处理厂污泥膨胀预警 | 第75-77页 |
| 4.4.3 实验结果分析 | 第77-78页 |
| 4.5 本章小结 | 第78-79页 |
| 第五章 自联想神经网络的传感器多步故障预测 | 第79-99页 |
| 5.1 引言 | 第79-80页 |
| 5.2 传感器多步故障预测方案 | 第80-82页 |
| 5.3 自联想神经网络的建模及优化 | 第82-85页 |
| 5.3.1 自联想神经网络的建模 | 第82-83页 |
| 5.3.2 基于遗传算法的网络结构自动优化 | 第83-84页 |
| 5.3.3 缺失数据的处理 | 第84-85页 |
| 5.4 自联想神经网络模型监控指标的拓展及其多步预测 | 第85-87页 |
| 5.4.1 基于核密度估计的监控指标拓展 | 第85-86页 |
| 5.4.2 监控指标的多步预测 | 第86-87页 |
| 5.5 算例分析 | 第87-96页 |
| 5.5.1 基于基准仿真模型的故障诊断与多步预测 | 第87-94页 |
| 5.5.2 污水处理厂的故障诊断与多步预测 | 第94-96页 |
| 5.6 讨论 | 第96-98页 |
| 5.7 本章小结 | 第98-99页 |
| 结论与展望 | 第99-101页 |
| 参考文献 | 第101-114页 |
| 攻读博士学位期间取得的研究成果 | 第114-116页 |
| 致谢 | 第116-117页 |
| Ⅳ-2答辩委员会对论文的评定意见 | 第117页 |
