| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究背景和意义 | 第13页 |
| 1.2 过程监测研究内容和方法 | 第13-20页 |
| 1.2.1 过程监测研究内容 | 第13-14页 |
| 1.2.2 过程监测研究方法 | 第14-17页 |
| 1.2.3 多元统计过程监测方法 | 第17-19页 |
| 1.2.4 多元统计过程监测研究现状 | 第19-20页 |
| 1.3 非平稳过程特征分析及研究现状 | 第20-25页 |
| 1.3.1 非平稳过程数据特征 | 第20-21页 |
| 1.3.2 非平稳过程监测研究现状 | 第21-22页 |
| 1.3.3 非平稳过程监测存在的问题 | 第22-25页 |
| 1.4 本文主要研究内容 | 第25-27页 |
| 第二章 面向平稳/非平稳混杂过程的分层建模与微小故障检测 | 第27-53页 |
| 2.1 引言 | 第27-28页 |
| 2.2 预备知识 | 第28-31页 |
| 2.2.1 协整分析 | 第28-31页 |
| 2.2.2 ADF检验 | 第31页 |
| 2.3 基于分层建模策略基本思想 | 第31-32页 |
| 2.4 分层建模微小故障检测方法 | 第32-38页 |
| 2.4.1 非平稳变量识别 | 第32-33页 |
| 2.4.2 分层建模方法 | 第33-36页 |
| 2.4.3 微小故障在线检测步骤 | 第36-37页 |
| 2.4.4 分层建模方法中监测统计量讨论 | 第37-38页 |
| 2.5 案例应用 | 第38-51页 |
| 2.5.1 青霉素发酵过程 | 第38-46页 |
| 2.5.2 火力发电过程 | 第46-51页 |
| 2.6 本章小结 | 第51-53页 |
| 第三章 大规模非平稳过程的变量划分与分布式精细化监测 | 第53-77页 |
| 3.1 引言 | 第53-54页 |
| 3.2 稀疏协整分析 | 第54-56页 |
| 3.2.1 算法介绍 | 第54-55页 |
| 3.2.2 参数选择 | 第55页 |
| 3.2.3 算法分析 | 第55-56页 |
| 3.3 基于稀疏协整分析的迭代变量子块划分方法 | 第56-59页 |
| 3.4 分布式精细化建模 | 第59-61页 |
| 3.4.1 局部分布式建模 | 第59-60页 |
| 3.4.2 全局监测模型 | 第60-61页 |
| 3.5 分布式精细化监测在线应用 | 第61-63页 |
| 3.6 案例应用 | 第63-75页 |
| 3.6.1 三相流过程应用 | 第63-70页 |
| 3.6.2 百万千瓦超超临界机组 | 第70-75页 |
| 3.7 本章小结 | 第75-77页 |
| 第四章 闭环系统下非平稳过程的动静态特征分解与协同监测 | 第77-91页 |
| 4.1 引言 | 第77-78页 |
| 4.2 动静态特征分解 | 第78-80页 |
| 4.3 动静态特征协同建模 | 第80-85页 |
| 4.3.1 离线建模 | 第80-82页 |
| 4.3.2 动静态监测指标分析 | 第82-83页 |
| 4.3.3 在线应用 | 第83-85页 |
| 4.4 案例应用 | 第85-89页 |
| 4.5 本章小结 | 第89-91页 |
| 第五章 基于稀疏重构方法的实时在线故障变量隔离 | 第91-111页 |
| 5.1 引言 | 第91-92页 |
| 5.2 重构建模基本思想 | 第92-93页 |
| 5.3 建立稀疏重构模型 | 第93-98页 |
| 5.3.1 建立故障重构模型 | 第93-94页 |
| 5.3.2 稀疏重构模型 | 第94-98页 |
| 5.4 案例应用 | 第98-110页 |
| 5.4.1 田纳西—伊斯曼过程 | 第98-104页 |
| 5.4.2 百万千瓦超超临界机组应用研究 | 第104-110页 |
| 5.5 本章小结 | 第110-111页 |
| 第六章 总结与展望 | 第111-115页 |
| 6.1 全文研究内容总结 | 第111-112页 |
| 6.2 研究展望 | 第112-115页 |
| 参考文献 | 第115-131页 |
| 致谢 | 第131-133页 |
| 攻读博士学位期间完成的学术论文及专利 | 第133-135页 |
| 攻读博士期间参加的科研项目 | 第135页 |
