| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 统计过程监测的发展 | 第11-13页 |
| 1.2.1 单变量统计过程监测 | 第11-12页 |
| 1.2.2 多变量统计过程监测 | 第12-13页 |
| 1.3 间歇过程特性分析及研究现状 | 第13-18页 |
| 1.3.1 间歇过程特征分析 | 第13-14页 |
| 1.3.2 间歇过程监测研究现状 | 第14-18页 |
| 1.5 本文研究内容及章节安排 | 第18-20页 |
| 第2章 基于多阶段 MPCA 的间歇过程监测研究 | 第20-42页 |
| 2.1 引言 | 第20-21页 |
| 2.2 主成分分析(PCA) | 第21-24页 |
| 2.2.1 主元分析基本原理 | 第21-22页 |
| 2.2.2 基于主元分析的过程监测 | 第22-23页 |
| 2.2.3 基于变量贡献图的故障诊断 | 第23-24页 |
| 2.3 多向主元分析(MPCA) | 第24-25页 |
| 2.4 基于改进 AP 聚类的间歇过程阶段划分方法研究 | 第25-31页 |
| 2.4.1 AP 聚类 | 第26-28页 |
| 2.4.2 Silhouette 准则 | 第28-29页 |
| 2.4.3 基于改进 AP 聚类的阶段划分 | 第29-30页 |
| 2.4.4 多阶段 MPCA 监测方案 | 第30-31页 |
| 2.4.5 基于阶段的监控统计量 | 第31页 |
| 2.5 仿真验证与结果分析 | 第31-40页 |
| 2.5.1 青霉素发酵过程简介 | 第31-34页 |
| 2.5.2 青霉素发酵过程阶段划分 | 第34-36页 |
| 2.5.3 过程在线监测结果 | 第36-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第3章 基于 MAR-PCA 的间歇过程监测研究 | 第42-54页 |
| 3.1 引言 | 第42页 |
| 3.2 动态性对过程监测的影响 | 第42-43页 |
| 3.3 基于 MAR-PCA 间歇过程监测 | 第43-46页 |
| 3.3.1 MAR 模型 | 第44-45页 |
| 3.3.2 基于 MAR 模型残差的 MPCA 监控模型 | 第45-46页 |
| 3.4 MAR-PCA 算法步骤 | 第46-48页 |
| 3.4.1 MAR-PCA 离线建模 | 第46-47页 |
| 3.4.2 基于 MAR-PCA 在线监测 | 第47-48页 |
| 3.5 数值实例仿真研究 | 第48-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 多阶段 MAR-PCA 在间歇过程监测中的应用研究 | 第54-66页 |
| 4.1 引言 | 第54页 |
| 4.2 多阶段 MAR-PCA 算法 | 第54-56页 |
| 4.3 基于多阶段 MAR-PCA 的间歇过程在线监测 | 第56-57页 |
| 4.4 仿真研究与结果分析 | 第57-65页 |
| 4.4.1 正常批次监测研究 | 第59-61页 |
| 4.4.2 故障批次监测研究 | 第61-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 重组大肠杆菌发酵现场监测实验及分析 | 第66-74页 |
| 5.1 重组大肠杆菌发酵过程简介 | 第66-67页 |
| 5.2 重组大肠杆菌发酵现场监测实验与分析 | 第67-73页 |
| 5.2.1 正常批次监测研究 | 第70-71页 |
| 5.2.2 故障批次监测研究 | 第71-73页 |
| 5.3 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 总结 | 第74-75页 |
| 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的学术成果 | 第80-82页 |
| 致谢 | 第82页 |
