| 致谢 | 第1-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-12页 |
| 目录 | 第12-15页 |
| 图目录 | 第15-17页 |
| 表目录 | 第17-19页 |
| 1 绪论 | 第19-39页 |
| 摘要 | 第19页 |
| ·研究背景和立题意义 | 第19-20页 |
| ·过程监测的研究内容和现状 | 第20-23页 |
| ·过程监测的基本概念和研究内容 | 第20-21页 |
| ·过程监测的发展和现状 | 第21-23页 |
| ·多变量统计过程监测的发展历程和主要问题 | 第23-27页 |
| ·多变量统计过程监测的发展历程 | 第23-26页 |
| ·多变量统计过程监测的主要问题 | 第26-27页 |
| ·基于模式识别的过程监测 | 第27-34页 |
| ·模式识别的主要内容 | 第27-28页 |
| ·基于模式识别的过程监测的意义和现状 | 第28-29页 |
| ·聚类和分类与过程监测 | 第29-34页 |
| ·本论文的研究内容和创新点 | 第34-37页 |
| ·本文研究内容介绍 | 第34-36页 |
| ·本文创新点 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 2 融合模糊聚类的核主元分析故障检测方法 | 第39-53页 |
| 摘要 | 第39页 |
| ·引言 | 第39页 |
| ·预备知识 | 第39-42页 |
| ·核主元分析(KPCA) | 第39-41页 |
| ·Fisher判别式分析(FDA) | 第41页 |
| ·可能性c-均值聚类(PCMC) | 第41-42页 |
| ·融合模糊聚类分析的KPCA方法 | 第42-45页 |
| ·算法概述 | 第42页 |
| ·算法流程 | 第42-45页 |
| ·Tennessee Eastman(TE)benchmark仿真实验 | 第45-52页 |
| ·本章小结 | 第52-53页 |
| 3 基于诱导偏移KFDA的故障分类方法 | 第53-73页 |
| 摘要 | 第53页 |
| ·引言 | 第53-54页 |
| ·KFDA方法 | 第54-55页 |
| ·基于重采样的非平衡校正KFDA方法 | 第55-58页 |
| ·过采样KFDA | 第55-57页 |
| ·欠采样KFDA | 第57-58页 |
| ·基于诱导偏移KFDA的故障分类 | 第58-60页 |
| ·TE benchmark仿真研究 | 第60-72页 |
| ·仿真实验设计 | 第60-62页 |
| ·仿真实验结果和讨论 | 第62-72页 |
| ·本章小结 | 第72-73页 |
| 4 多步与单步模式下的过程监测研究 | 第73-91页 |
| 摘要 | 第73页 |
| ·故障检测和分类的多步与单步模式介绍 | 第73-75页 |
| ·基于PCA-SVDD故障检测和分类的多步模式 | 第75-82页 |
| ·PCA和SVDD算法 | 第75-76页 |
| ·基于PCA-SVDD故障检测和分类的多步模式 | 第76-79页 |
| ·仿真研究 | 第79-82页 |
| ·基于KPCA-SVDD过程监测的多步与单步模式 | 第82-89页 |
| ·PCA与KPCA讨论 | 第82-83页 |
| ·基于KPCA-SVDD的多步和单步监测模式 | 第83-84页 |
| ·基于KPCA-SVDD的监测系统性能评估准则 | 第84-86页 |
| ·TE benchmark仿真研究 | 第86-89页 |
| ·本章小结 | 第89-91页 |
| 5 基于特征判别子空间的故障分类研究 | 第91-115页 |
| 摘要 | 第91页 |
| ·引言 | 第91-92页 |
| ·基于FDA特征提取和SVDD模式分类的故障分类 | 第92-100页 |
| ·FDA与SVDD结合 | 第92-93页 |
| ·混联融合方式下的FDA-SVDD故障分类 | 第93-96页 |
| ·连续搅拌槽(CSTR)仿真实验 | 第96-100页 |
| ·KFDA子空间上基于混合高斯模型和k最近邻的故障分类 | 第100-114页 |
| ·特征提取技术和讨论 | 第100-103页 |
| ·混合高斯模型和k最近邻方法以及分类器的讨论 | 第103-104页 |
| ·基于KFDA的两种分类器故障分类性能分析和讨论 | 第104-108页 |
| ·TE benchmark仿真研究 | 第108-114页 |
| ·本章小结 | 第114-115页 |
| 6 融合两层集成聚类的多工况过程故障检测 | 第115-137页 |
| 摘要 | 第115页 |
| ·引言 | 第115-116页 |
| ·基于к-独立元分析-主元分析(k-ICA-PCA)模型两层集成聚类的多工况建模 | 第116-121页 |
| ·移动窗技术 | 第116-117页 |
| ·基于ICA-PCA的两步特征提取 | 第117-118页 |
| ·基于两层集成聚类的多工况过程建模 | 第118-121页 |
| ·基于邻接多ICA-PCA模型的多工况过程建模和监测 | 第121-124页 |
| ·TE benchmark仿真研究 | 第124-136页 |
| ·仿真实验设计 | 第124页 |
| ·仿真实验的参数设定 | 第124-126页 |
| ·过程建模 | 第126-129页 |
| ·多工况辨识和故障检测 | 第129-136页 |
| ·本章小结 | 第136-137页 |
| 7 融合动态集成聚类的瞬态过程故障检测 | 第137-157页 |
| 摘要 | 第137页 |
| ·引言 | 第137-138页 |
| ·方法综述和问题讨论 | 第138页 |
| ·基于动态k-ICA-PCA模型集成聚类的瞬态建模 | 第138-141页 |
| ·动态k-ICA-PCA模型 | 第139-141页 |
| ·基于多类SVDD的瞬态过程建模和监测 | 第141-144页 |
| ·监测模型构建 | 第141-142页 |
| ·在线过程监测 | 第142-144页 |
| ·TE benchmark仿真研究 | 第144-156页 |
| ·仿真实验设计 | 第144页 |
| ·仿真结果和讨论 | 第144-156页 |
| ·本章小结 | 第156-157页 |
| 8 总结和展望 | 第157-161页 |
| 摘要 | 第157页 |
| ·研究工作和成果总结 | 第157-159页 |
| ·未来研究工作的展望 | 第159-161页 |
| 参考文献 | 第161-181页 |
| 攻读博士学位期间发表的学术论文 | 第181-183页 |
| 攻读博士学位期间参与的科研项目 | 第183-185页 |
| 个人简历 | 第185页 |
