| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题背景和研究意义 | 第11-12页 |
| 1.2 过程监测的研究内容和主要方法 | 第12-15页 |
| 1.2.1 过程监测的基本概念 | 第12-13页 |
| 1.2.2 过程监测的主要方法 | 第13-15页 |
| 1.3 数据驱动过程监测方法和复杂工业过程数据特性 | 第15-18页 |
| 1.3.1 数据驱动过程监测方法的发展情况 | 第15-16页 |
| 1.3.2 复杂工业过程数据特性 | 第16-18页 |
| 1.4 基于受限玻尔兹曼机的过程监测研究 | 第18-19页 |
| 1.4.1 深度学习概述 | 第18-19页 |
| 1.4.2 受限玻尔兹曼机概述 | 第19页 |
| 1.5 本文研究内容和创新点 | 第19-20页 |
| 1.5.1 主要研究内容 | 第19-20页 |
| 1.5.2 章节创新点介绍 | 第20页 |
| 1.6 本章小结 | 第20-21页 |
| 第二章 过程监测基本方法和实验平台 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 主元分析 | 第21-22页 |
| 2.3 核主元分析 | 第22-24页 |
| 2.4 多层感知器 | 第24-25页 |
| 2.5 多项逻辑回归 | 第25-26页 |
| 2.6 受限玻尔兹曼机 | 第26-27页 |
| 2.7 TE Benchmark实验研究平台 | 第27-29页 |
| 2.8 本章小结 | 第29-31页 |
| 第三章 基于高斯伯努利受限玻尔兹曼机的非线性故障检测研究 | 第31-47页 |
| 3.1 引言 | 第31-32页 |
| 3.2 高斯伯努利受限玻尔兹曼机 | 第32-35页 |
| 3.3 基于GRBM的故障检测算法 | 第35-38页 |
| 3.3.1 特征空间检测量 | 第36-37页 |
| 3.3.2 残差空间检测量 | 第37页 |
| 3.3.3 基于GRBM的故障检测算法流程 | 第37-38页 |
| 3.4 案例研究 | 第38-45页 |
| 3.4.1 数值仿真 | 第38-42页 |
| 3.4.2 TE Benchmark仿真研究 | 第42-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于半监督高斯伯努利受限玻尔兹曼机的非线性故障分类研究 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 半监督学习 | 第48-49页 |
| 4.3 半监督高斯伯努利受限玻尔兹曼机 | 第49-51页 |
| 4.4 基于SS-GRBM的故障分类算法 | 第51-53页 |
| 4.5 TE Benchmark仿真研究 | 第53-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 总结和展望 | 第59-63页 |
| 5.1 研究工作总结 | 第59-60页 |
| 5.2 研究工作展望 | 第60-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68-69页 |
| 攻读硕士学位期间完成的学术论文 | 第69-70页 |
| 攻读硕士学位期间参加的科研项目 | 第70页 |
