摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第一章 绪论 | 第13-29页 |
1.1 课题研究背景及意义 | 第13-15页 |
1.2 间歇过程的特点及数据特征 | 第15-19页 |
1.2.1 间歇过程的特点 | 第15-17页 |
1.2.2 间歇过程的数据特征 | 第17-19页 |
1.3 间歇过程统计监测方法的发展与研究现状 | 第19-26页 |
1.3.1 统计过程监测概述 | 第19-20页 |
1.3.2 间歇过程统计监测方法的发展概况 | 第20-26页 |
1.4 本文的主要研究内容 | 第26-29页 |
第二章 基于SDKPCA的间歇过程弱故障监测 | 第29-59页 |
2.1 引言 | 第29-30页 |
2.2 相关算法介绍 | 第30-34页 |
2.2.1 DPCA原理 | 第30-32页 |
2.2.2 KPCA原理 | 第32-34页 |
2.3 基于SDKPCA的建模与监测 | 第34-43页 |
2.3.1 阶段划分 | 第34-35页 |
2.3.2 单批次模型的建立 | 第35页 |
2.3.3 单批次模型的聚类 | 第35-39页 |
2.3.4 类模型的建立 | 第39页 |
2.3.5 基于SDKPCA的建模算法 | 第39-41页 |
2.3.6 基于多类模型的在线模型选择与监测 | 第41-43页 |
2.4 青霉素发酵过程中的应用研究 | 第43-57页 |
2.4.1 青霉素发酵过程简介 | 第43-44页 |
2.4.2 实验设计和建模数据 | 第44-46页 |
2.4.3 在线监测 | 第46-57页 |
2.4.4 计算复杂度分析 | 第57页 |
2.5 本章小结 | 第57-59页 |
第三章 基于特征点的SDKPCA不等长间歇过程故障监测 | 第59-77页 |
3.1 引言 | 第59-60页 |
3.2 时间序列的特征点提取 | 第60-64页 |
3.2.1 基于垂直距离的时间序列特征点提取 | 第60-62页 |
3.2.2 提取算法 | 第62-64页 |
3.3 间歇过程中特征点提取 | 第64-67页 |
3.3.1 间歇过程中特征点的分布特点 | 第64-65页 |
3.3.2 特征点的提取和粗匹配 | 第65-66页 |
3.3.3 批次内特征点的融合 | 第66页 |
3.3.4 批次间特征点的细匹配 | 第66-67页 |
3.4 基于特征点的SDKPCA建模与在线监测 | 第67-68页 |
3.4.1 过程去噪 | 第68页 |
3.4.2 基于特征点的SDKPCA模型建立 | 第68页 |
3.4.3 基于特征点的SDKPCA建模和监测算法 | 第68页 |
3.5 青霉素发酵过程中的应用研究 | 第68-76页 |
3.5.1 实验设计和建模数据 | 第68-70页 |
3.5.2 在线监测 | 第70-75页 |
3.5.3 计算复杂度分析 | 第75-76页 |
3.6 本章小结 | 第76-77页 |
第四章 基于LCS-SDKPCA的多操作间歇过程监测方法 | 第77-97页 |
4.1 引言 | 第77-78页 |
4.2 过程时段划分与段内聚类 | 第78-79页 |
4.3 基于LCS-SDKPCA的建模与监测 | 第79-86页 |
4.3.1 数据预处理 | 第79-84页 |
4.3.2 建立LCS-SDKPCA模型 | 第84-85页 |
4.3.3 在线监测 | 第85-86页 |
4.4 LF炉炼钢过程中的应用研究 | 第86-96页 |
4.4.1 LF炉炼钢过程简介 | 第86-88页 |
4.4.2 实验设计和建模数据 | 第88-90页 |
4.4.3 在线监测 | 第90-96页 |
4.5 本章小结 | 第96-97页 |
第五章 建模数据不全情况下的多操作间歇过程快速监测方法 | 第97-111页 |
5.1 引言 | 第97-98页 |
5.2 Up-Down MDPCA的建模与监测 | 第98-103页 |
5.2.1 MDPCA的建立 | 第98页 |
5.2.2 在线监测模型的选择 | 第98-99页 |
5.2.3 Up-Down模型监测方法 | 第99-102页 |
5.2.4 在线监测 | 第102-103页 |
5.3 LF炉炼钢过程中的应用研究 | 第103-109页 |
5.3.1 实验设计和建模数据 | 第103页 |
5.3.2 在线监测 | 第103-109页 |
5.4 本章小结 | 第109-111页 |
第六章 结论与展望 | 第111-113页 |
参考文献 | 第113-125页 |
致谢 | 第125-127页 |
攻读博士学位期间完成的论文 | 第127-129页 |
个人简历 | 第129页 |