| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 过程监测和故障诊断方法 | 第10-13页 |
| 1.3 间歇过程故障诊断研究现状 | 第13-14页 |
| 1.4 多元统计理论的故障诊断方法的发展 | 第14-15页 |
| 1.5 本论文的研究目的、意义及主要内容 | 第15-18页 |
| 1.5.1 研究目的和意义 | 第15-16页 |
| 1.5.2 研究的主要内容 | 第16-18页 |
| 第二章 多向主元分析方法的过程故障诊断 | 第18-34页 |
| 2.1 引言 | 第18页 |
| 2.2 多向主元分析理论 | 第18-22页 |
| 2.2.1 数据预处理与展开 | 第18-19页 |
| 2.2.2 主成分分析（PCA） | 第19-21页 |
| 2.2.3 统计量与控制限 | 第21-22页 |
| 2.3 基于多向主元分析的故障诊断和过程监测 | 第22-23页 |
| 2.4 造纸废水SBR处理过程介绍 | 第23-25页 |
| 2.5 结果与讨论 | 第25-33页 |
| 2.5.1 样本选择 | 第25-26页 |
| 2.5.2 MPCA建模 | 第26-28页 |
| 2.5.3 正常批次的在线诊断 | 第28-30页 |
| 2.5.4 故障批次的在线诊断 | 第30-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 划分子时段的多向主元分析方法的过程故障诊断 | 第34-53页 |
| 3.1 引言 | 第34-35页 |
| 3.2 划分子时段的多向主元分析方法理论 | 第35-39页 |
| 3.2.1 sub-MPCA的时段划分方法 | 第35-36页 |
| 3.2.2 sub-MPCA建模过程 | 第36-39页 |
| 3.3 造纸废水SBR处理过程的时段划分方法 | 第39-44页 |
| 3.4 结果与讨论 | 第44-52页 |
| 3.4.1 不同子时段划分方法的sub-MPCA建模 | 第44-47页 |
| 3.4.2 sub-MPCA方法的故障诊断和在线监测结果 | 第47-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于信号数据的传感器故障识别策略的研究 | 第53-64页 |
| 4.1 引言 | 第53页 |
| 4.2 传感器故障类型 | 第53-55页 |
| 4.3 信号分析方法 | 第55-57页 |
| 4.4 故障类型识别策略 | 第57-63页 |
| 4.4.1 模拟故障类型 | 第57页 |
| 4.4.2 故障监测 | 第57-59页 |
| 4.4.3 精度下降故障类型识别 | 第59-61页 |
| 4.4.4 故障类型识别流程 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 造纸废水SBR处理过程故障诊断系统设计和应用 | 第64-77页 |
| 5.0 引言 | 第64页 |
| 5.1 SBR过程中的数据通信和采集 | 第64-65页 |
| 5.2 开发工具介绍 | 第65-67页 |
| 5.2.1 开发语言Python | 第65-66页 |
| 5.2.2 Python工具包 | 第66-67页 |
| 5.3 故障诊断流程设计 | 第67-70页 |
| 5.3.1 过程时刻状态诊断设计 | 第68-69页 |
| 5.3.2 批次状态诊断设计 | 第69页 |
| 5.3.3 故障诊断流程 | 第69-70页 |
| 5.4 造纸废水SBR处理过程故障诊断系统设计 | 第70-76页 |
| 5.4.1 故障诊断系统框架 | 第70-72页 |
| 5.4.2 故障诊断系统GUI | 第72-76页 |
| 5.5 本章小结 | 第76-77页 |
| 结论与展望 | 第77-79页 |
| 结论 | 第77页 |
| 论文的创新之处 | 第77-78页 |
| 展望 | 第78-79页 |
| 参考文献 | 第79-86页 |
| 攻读硕士学位期间取得的研究成果 | 第86-87页 |
| 致谢 | 第87-88页 |
| 附件 | 第88页 |
