| 致谢 | 第5-6页 |
| 摘要 | 第6-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 课题研究背景及意义 | 第16-18页 |
| 1.2 统计过程监测的发展历程 | 第18-19页 |
| 1.3 间歇过程统计过程监测的发展现状 | 第19-22页 |
| 1.3.1 间歇过程统计过程监测研究现状 | 第19-20页 |
| 1.3.2 间歇过程统计过程监测面临的问题 | 第20-22页 |
| 1.4 大规模连续过程的统计过程监测发展现状 | 第22-26页 |
| 1.4.1 大规模连续过程监测研究现状 | 第23页 |
| 1.4.2 大规模连续过程统计监测面临的问题 | 第23-26页 |
| 1.5 本文的主要研究内容 | 第26-28页 |
| 第二章 基于小样本的间歇过程子时段划分、统计建模与监测方法 | 第28-44页 |
| 2.1 引言 | 第28-29页 |
| 2.2 PCA方法回顾 | 第29页 |
| 2.3 基于泛化时间片的自动时段步进有序划分 | 第29-34页 |
| 2.3.1 泛化时间片构造 | 第30-31页 |
| 2.3.2 基于泛化时间片的自动时段步进有序划分 | 第31-34页 |
| 2.4 基于泛化时间片的子时段建模与监测 | 第34-35页 |
| 2.4.1 基于泛化时间片的子时段建模 | 第34页 |
| 2.4.2 基于子时段的在线监测 | 第34-35页 |
| 2.5 实验验证 | 第35-43页 |
| 2.5.1 注塑成型过程描述 | 第35页 |
| 2.5.2 实验设计 | 第35-36页 |
| 2.5.3 实验结果 | 第36-43页 |
| 2.6 本章小结 | 第43-44页 |
| 第三章 基于不规则数据的间歇过程不等长时段统计建模与监测方法 | 第44-60页 |
| 3.1 引言 | 第44-45页 |
| 3.2 基于时间片重组的不等长时段自动划分 | 第45-49页 |
| 3.2.1 基于批次-变量展开方法的不等长数据预处理 | 第45-46页 |
| 3.2.2 不等长时段步进有序划分 | 第46-49页 |
| 3.3 基于时间片重组的子时段建模与在线监测 | 第49-51页 |
| 3.3.1 基于时间片重组的子时段建模 | 第49-50页 |
| 3.3.2 在线时段判断及过程监测 | 第50-51页 |
| 3.4 实验验证 | 第51-59页 |
| 3.4.1 实验设计及建模数据 | 第51-52页 |
| 3.4.2 不等长时段划分结果 | 第52-55页 |
| 3.4.3 在线监测结果 | 第55-59页 |
| 3.5 结论 | 第59-60页 |
| 第四章 基于混合变量相关性分析的大规模过程分层建模与监测方法 | 第60-82页 |
| 4.1 引言 | 第60-61页 |
| 4.2 基于KPCA的监测方法回顾 | 第61-62页 |
| 4.3 基于线性相关性评估的变量组划分 | 第62-68页 |
| 4.3.1 线性评估指标构造 | 第63页 |
| 4.3.2 基于弹性网和重采样的相关性衡量 | 第63-65页 |
| 4.3.4 线性变量子组迭代划分 | 第65-68页 |
| 4.4 基于PCA-KPCA的分层建模与在线监测 | 第68-71页 |
| 4.4.1 基于PCA-KPCA的过程分层建模 | 第68-70页 |
| 4.4.2 基于PCA-KPCA的分层监测 | 第70-71页 |
| 4.5 案例研究 | 第71-79页 |
| 4.5.1 数值仿真案例一 | 第71-72页 |
| 4.5.2 数值仿真案例二 | 第72-74页 |
| 4.5.3 卷烟制丝过程的应用 | 第74-79页 |
| 4.6 本章小结 | 第79-82页 |
| 第五章 基于混合故障特性分解的大规模过程分布式概率故障诊断方法 | 第82-106页 |
| 5.1 引言 | 第82-83页 |
| 5.2 FDFDA算法回顾 | 第83页 |
| 5.3 基于混合故障特性分解的变量组划分 | 第83-90页 |
| 5.3.1 基于线性衡量的初始故障变量组划分 | 第84-85页 |
| 5.3.2 基于故障衡量的故障变量组隔离 | 第85-90页 |
| 5.4 分布式概率故障诊断方法 | 第90-96页 |
| 5.4.1 分布式故障建模 | 第90-93页 |
| 5.4.2 基于概率的置信区间构建 | 第93-95页 |
| 5.4.3 在线分布式概率故障诊断 | 第95-96页 |
| 5.5 实验验证 | 第96-105页 |
| 5.5.1 数值仿真实验 | 第96-101页 |
| 5.5.2 注塑过程中的应用研究 | 第101-104页 |
| 5.5.3 大规模燃煤火电过程的应用研究 | 第104-105页 |
| 5.6 本章小结 | 第105-106页 |
| 第六章 基于动静态特性分析的大规模过程分布式协同建模与监测方法 | 第106-134页 |
| 6.1 引言 | 第106页 |
| 6.2 基本方法回顾 | 第106-108页 |
| 6.2.1 SFA算法 | 第106-107页 |
| 6.2.2 KSFA算法 | 第107-108页 |
| 6.3 基于SSFA的过程动静态变量组划分 | 第108-114页 |
| 6.3.1 稀疏慢特征分析(SSFA)算法 | 第108-111页 |
| 6.3.2 基于SSFA的过程动静态变量组划分 | 第111-112页 |
| 6.3.3 参数选取 | 第112-114页 |
| 6.4 基于SFA-KSFA的两层分布式协同建模与在线监测 | 第114-118页 |
| 6.4.1 基于SFA-KSFA的两层分布式协同建模 | 第114-116页 |
| 6.4.2 基于SFA-KSFA的两层分布式协同监测 | 第116-118页 |
| 6.5 应用验证 | 第118-133页 |
| 6.5.1 田纳西伊斯曼(Tennessee Eastman,TE)过程 | 第118-128页 |
| 6.5.2 百万千瓦超超临界火力发电机组 | 第128-133页 |
| 6.6 本章小结 | 第133-134页 |
| 第七章 总结和展望 | 第134-138页 |
| 参考文献 | 第138-150页 |
| 攻读博士学位期间完成的论文 | 第150-151页 |
