| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-25页 |
| ·引言 | 第15页 |
| ·故障检测与诊断 | 第15-19页 |
| ·故障检测与诊断的起源 | 第15-16页 |
| ·故障检测与诊断的研究现状 | 第16-19页 |
| ·故障检测与诊断的发展方向 | 第19页 |
| ·统计过程监控 | 第19-23页 |
| ·统计过程监控的主要研究方法 | 第20-22页 |
| ·统计过程监控的发展方向 | 第22-23页 |
| ·本文主要工作与结构安排 | 第23-25页 |
| 第二章 基于小波包去噪主元分析的过程监控与故障诊断 | 第25-49页 |
| ·引言 | 第25页 |
| ·基于小波包去噪的数据预处理方法 | 第25-30页 |
| ·小波包 | 第25-26页 |
| ·小波包分解系数收缩去噪方法 | 第26-30页 |
| ·PCA 原理 | 第30-33页 |
| ·PCA 算法 | 第30-31页 |
| ·主元的特性 | 第31-32页 |
| ·主元模型 | 第32-33页 |
| ·主元个数的确定 | 第33页 |
| ·基于小波包去噪主元分析的过程监控与故障诊断 | 第33-37页 |
| ·控制限的确定 | 第33-35页 |
| ·贡献图 | 第35页 |
| ·基于小波包去噪主元分析的过程监控与故障诊断步骤 | 第35-37页 |
| ·Tennessee Eastman 过程仿真研究 | 第37-48页 |
| ·TE 过程简介 | 第37-43页 |
| ·TE 过程仿真 | 第43-48页 |
| ·结论 | 第48-49页 |
| 第三章 基于核主元分析的过程监控与故障诊断 | 第49-61页 |
| ·引言 | 第49页 |
| ·核方法的基本理论 | 第49-52页 |
| ·核及核函数的定义 | 第49-50页 |
| ·核的性质 | 第50页 |
| ·核函数的特点及分类 | 第50-52页 |
| ·核主元分析 | 第52-53页 |
| ·基于核主元分析的过程监控与故障诊断 | 第53-58页 |
| ·特征向量选择算法 | 第53-54页 |
| ·基于WKPCA 的在线故障检测 | 第54-56页 |
| ·基于特征向量选择的在线故障诊断方法（WKPCA） | 第56-58页 |
| ·Tennessee Eastman 仿真示例 | 第58-60页 |
| ·结论 | 第60-61页 |
| 第四章 基于KPCA 与多重核学习支持向量机的过程监控与故障诊断 | 第61-70页 |
| ·引言 | 第61页 |
| ·多重核学习支持向量机 | 第61-65页 |
| ·支持向量机 | 第61-62页 |
| ·多重核学习支持向量机 | 第62-65页 |
| ·基于KPCA 和MKL-SVM 的过程监控与故障诊断算法 | 第65-67页 |
| ·建立正常状态下的KPCA 过程监控模型 | 第65-66页 |
| ·MKL-SVM 故障诊断模型的建立 | 第66页 |
| ·建立MKL-SVM 故障诊断模型在线监控和故障诊断 | 第66-67页 |
| ·Tennessee Eastman 仿真示例 | 第67-69页 |
| ·仿真环境 | 第67页 |
| ·TE 故障检测 | 第67-68页 |
| ·TE 故障诊断 | 第68-69页 |
| ·结论 | 第69-70页 |
| 第五章 基于KPCA 与无约束优化的稀疏型支持向量机的过程监控与故障诊断 | 第70-76页 |
| ·引言 | 第70页 |
| ·无约束优化的稀疏型支持向量机 | 第70-74页 |
| ·非线性支持向量机无约束优化 | 第70-74页 |
| ·无约束优化目标函数 | 第71页 |
| ·牛顿优化法 | 第71-73页 |
| ·共轭梯度法 | 第73-74页 |
| ·稀疏型SVM | 第74页 |
| ·Tennessee Eastman 仿真示例 | 第74-75页 |
| ·仿真环境 | 第74页 |
| ·TE 故障检测 | 第74-75页 |
| ·TE 故障诊断 | 第75页 |
| ·结论 | 第75-76页 |
| 第六章 基于核独立成分分析和支持向量机的过程监控与故障诊断 | 第76-96页 |
| ·引言 | 第76页 |
| ·核独立成分分析 | 第76-80页 |
| ·独立成分分析的基本定义 | 第76-79页 |
| ·独立成分分析的估计原理 | 第79-80页 |
| ·独立成分分析算法 | 第80-81页 |
| ·基于核独立成分分析的过程监控与故障诊断 | 第81-89页 |
| ·核独立成分分析法 | 第81-83页 |
| ·基于核独立成分分析(KICA)的非线性性能监控 | 第83-86页 |
| ·确定监控统计量 | 第83-84页 |
| ·控制限的确定 | 第84-85页 |
| ·过程监控算法步骤 | 第85-86页 |
| ·基于支持向量机的故障模式分类 | 第86-89页 |
| ·支持向量机的分类算法 | 第86-88页 |
| ·基于支持向量机的故障诊断 | 第88-89页 |
| ·Tennessee Eastman 仿真示例 | 第89-95页 |
| ·结论 | 第95-96页 |
| 第七章 基于核ICA 和核FDA 的过程监控与故障诊断 | 第96-107页 |
| ·引言 | 第96页 |
| ·核Fisher 判别分析 | 第96-101页 |
| ·Fisher 判别分析 | 第96-99页 |
| ·核Fisher 判别分析 | 第99-101页 |
| ·基于核ICA 和核FDA 的过程监控与故障诊断 | 第101-103页 |
| ·基于核FDA 的故障诊断 | 第101-102页 |
| ·过程监控与故障诊断的步骤 | 第102-103页 |
| ·Tennessee Eastman 仿真示例 | 第103-106页 |
| ·结论 | 第106-107页 |
| 第八章 总结与展望 | 第107-110页 |
| ·研究工作总结 | 第107-108页 |
| ·研究展望 | 第108-110页 |
| 参考文献 | 第110-119页 |
| 致谢 | 第119-120页 |
| 在学期间的研究成果及发表的学术论文 | 第120-121页 |
