| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 间歇工业过程的特征及数据特点 | 第10-11页 |
| 1.2.1 间歇工业过程特征 | 第10-11页 |
| 1.2.2 间歇工业过程的数据特点 | 第11页 |
| 1.3 间歇工业过程统计监测方法的发展状况和发展趋势 | 第11-13页 |
| 1.3.1 统计监测方法发展状况 | 第11-12页 |
| 1.3.2 统计监测方法发展趋势 | 第12-13页 |
| 1.4 论文研究的主要内容 | 第13-14页 |
| 2 MKPCA相关理论知识 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 PCA原理 | 第14-19页 |
| 2.2.1 主成分分析理论 | 第14-15页 |
| 2.2.2 主元个数确定 | 第15-18页 |
| 2.2.3 PCA检验指标及其控制限 | 第18-19页 |
| 2.3 MKPCA算法 | 第19-23页 |
| 2.3.1 数据展开方式 | 第19-20页 |
| 2.3.2 MKPCA原理 | 第20-22页 |
| 2.3.3 相关统计量和控制限计算 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于DCT-MDKPCA的间歇过程故障监测 | 第24-42页 |
| 3.1 引言 | 第24页 |
| 3.2 DCT原理及性质 | 第24-30页 |
| 3.2.1 DCT原理 | 第24-25页 |
| 3.2.2 DCT能量聚集性和保距性 | 第25-29页 |
| 3.2.3 数据压缩中维度的截取方法 | 第29-30页 |
| 3.3 基于DCT-MDKPCA的建模与监测 | 第30-32页 |
| 3.3.1 MDKPCA原理 | 第30-31页 |
| 3.3.2 数据预处理 | 第31页 |
| 3.3.3 建立DCT-MDKPCA模型 | 第31页 |
| 3.3.4 在线监测算法 | 第31-32页 |
| 3.4 DCT-MDKPCA方法在青霉素发酵过程中应用与研究 | 第32-41页 |
| 3.4.1 青霉素发酵过程简述 | 第32-35页 |
| 3.4.2 实验方法设计和建模数据 | 第35-36页 |
| 3.4.3 在线监测实验 | 第36-41页 |
| 3.4.4 计算复杂度分析 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 基于迭代MDKPCA的间歇过程故障监测 | 第42-57页 |
| 4.1 引言 | 第42页 |
| 4.2 迭代主元分析原理 | 第42-47页 |
| 4.2.1 第一个主元求解及解释 | 第42-44页 |
| 4.2.2 高阶次主元求解 | 第44-45页 |
| 4.2.3 迭代核矩阵主元求解 | 第45-47页 |
| 4.3 基于迭代MDKPCA的建模与监测 | 第47-50页 |
| 4.3.1 数据预处理 | 第47页 |
| 4.3.2 建立迭代MDKPCA模型 | 第47-50页 |
| 4.3.3 在线监测算法 | 第50页 |
| 4.4 迭代MDKPCA方法在青霉素发酵过程中应用与研究 | 第50-56页 |
| 4.4.1 实验方法设计和建模数据 | 第50-51页 |
| 4.4.2 在线监测实验 | 第51-55页 |
| 4.4.3 计算量分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
