| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩写术语表 | 第11-15页 |
| 第1章 绪论 | 第15-27页 |
| 1.1 课题的背景及意义 | 第15-16页 |
| 1.2 过程监测研究内容和研究方法 | 第16-18页 |
| 1.2.1 过程监测的基本概念与研究内容 | 第16-17页 |
| 1.2.2 过程监测的研究方法 | 第17-18页 |
| 1.3 基于多元统计分析的过程监测研究 | 第18-23页 |
| 1.3.1 多元统计分析方法的研究进展 | 第18-19页 |
| 1.3.2 工业过程数据特性 | 第19-23页 |
| 1.4 基于HMM的过程监测研究现状 | 第23-24页 |
| 1.4.1 基于多元统计分析的过程监测存在的问题 | 第23页 |
| 1.4.2 隐马尔可夫模型的发展现状 | 第23-24页 |
| 1.5 本文主要研究内容和创新点 | 第24-25页 |
| 1.5.1 本文主要研究内容 | 第24页 |
| 1.5.2 本文的创新点及各个章节介绍 | 第24-25页 |
| 1.6 本章小结 | 第25-27页 |
| 第2章 基于自适应特征提取的工业故障诊断方法 | 第27-47页 |
| 2.1 引言 | 第27-28页 |
| 2.2 预备知识 | 第28-33页 |
| 2.2.1 主成分分析 | 第28-29页 |
| 2.2.2 核主成分分析 | 第29-31页 |
| 2.2.3 隐马尔可夫模型 | 第31-33页 |
| 2.3 基于自适应特征提取的工业故障诊断方法 | 第33-36页 |
| 2.3.1 非线性度量 | 第33-36页 |
| 2.3.2 故障诊断 | 第36页 |
| 2.4 TE过程实验研究 | 第36-46页 |
| 2.5 本章小结 | 第46-47页 |
| 第3章 基于有效变量选择和MV-HMM的工业故障诊断方法 | 第47-65页 |
| 3.1 引言 | 第47-48页 |
| 3.2 基于VS-MVHMM的过程监测方法 | 第48-52页 |
| 3.2.1 有效变量选择 | 第48-49页 |
| 3.2.2 故障识别 | 第49-51页 |
| 3.2.3 算法的步骤 | 第51-52页 |
| 3.3 仿真验证 | 第52-64页 |
| 3.3.1 数值仿真 | 第52-56页 |
| 3.3.2 TE过程实验研究 | 第56-59页 |
| 3.3.3 高炉冶炼过程 | 第59-64页 |
| 3.4 本章小结 | 第64-65页 |
| 第4章 基于MVHMM的多模态过程监测方法 | 第65-85页 |
| 4.1 引言 | 第65-66页 |
| 4.2 基于移动窗HMM的多模态过程监测方法 | 第66-71页 |
| 4.2.1 工况识别 | 第66-69页 |
| 4.2.2 基于新监测指标的在线过程监测 | 第69-70页 |
| 4.2.3 算法的步骤 | 第70-71页 |
| 4.3 仿真验证 | 第71-83页 |
| 4.3.1 数值仿真 | 第71-75页 |
| 4.3.2 TE过程实验研究 | 第75-83页 |
| 4.4 本章小结 | 第83-85页 |
| 第5章 总结和展望 | 第85-87页 |
| 5.1 本文内容总结 | 第85-86页 |
| 5.2 进一步研究和展望 | 第86-87页 |
| 参考文献 | 第87-99页 |
| 攻读博士学位期间完成的学术论文 | 第99-101页 |
| 攻读博士学位期间的科研成果 | 第101-103页 |
| 攻读博士学位期间参加的科研项目 | 第103-105页 |
| 致谢 | 第105-107页 |
| 作者简历 | 第107页 |