致谢 | 第5-7页 |
摘要 | 第7-9页 |
Abstract | 第9-11页 |
缩写 | 第15-20页 |
1. 绪论 | 第20-46页 |
1.1 课题背景和研究意义 | 第20-21页 |
1.2 过程监测的研究内容与主要方法 | 第21-25页 |
1.2.1 过程监测的基本概念与研究内容 | 第21-22页 |
1.2.2 过程监测的主要方法 | 第22-25页 |
1.3 多变量统计过程监测的研究现状 | 第25-36页 |
1.3.1 复杂工业过程的数据特性分析 | 第27-36页 |
1.4 多采样率工业过程监测的研究现状 | 第36-41页 |
1.4.1 多采样率过程概述 | 第36-38页 |
1.4.2 多采样率过程的研究方法及存在问题 | 第38-41页 |
1.5 本文的研究内容和创新点 | 第41-45页 |
1.5.1 本文的主要研究内容 | 第41-42页 |
1.5.2 各章节创新点介绍 | 第42-45页 |
1.6 本章小结 | 第45-46页 |
2. 基于多采样率主成分分析模型的故障检测 | 第46-66页 |
2.1 引言 | 第46-48页 |
2.2 主成分分析模型 | 第48-49页 |
2.3 多采样率主成分分析模型 | 第49-54页 |
2.3.1 多采样率静态过程的数据描述 | 第49-51页 |
2.3.2 MPCA的模型结构及参数计算 | 第51-54页 |
2.4 基于MPCA的多采样率过程故障检测 | 第54-56页 |
2.5 实例研究 | 第56-64页 |
2.5.1 数值仿真 | 第56-59页 |
2.5.2 TE过程实验研究 | 第59-64页 |
2.6 本章小结 | 第64-66页 |
3. 基于多采样率PLS模型的故障检测 | 第66-86页 |
3.1 引言 | 第66-67页 |
3.2 偏最小二乘模型 | 第67-68页 |
3.3 多采样率偏最小二乘模型 | 第68-75页 |
3.3.1 多采样率静态过程的质量相关数据描述 | 第68-71页 |
3.3.2 MPLS的模型结构及参数计算 | 第71-74页 |
3.3.3 MPLS的模型分析 | 第74-75页 |
3.4 基于MPLS的多采样率过程监测和关键质量指标预测 | 第75-78页 |
3.5 实例研究 | 第78-83页 |
3.5.1 数值仿真 | 第78-81页 |
3.5.2 TE过程仿真实例 | 第81-83页 |
3.6 本章小结 | 第83-86页 |
4. 基于混合多采样率概率PCA模型的多模态过程故障检测 | 第86-106页 |
4.1 引言 | 第86-87页 |
4.2 预备知识 | 第87-90页 |
4.2.1 概率主成分分析 | 第87-88页 |
4.2.2 多采样率概率主成分分析 | 第88-90页 |
4.3 混合多采样率概率主成分分析模型 | 第90-95页 |
4.3.1 多模态多采样率过程的数据描述与模型结构 | 第90-92页 |
4.3.2 MrMPPCA的模型参数估计 | 第92-95页 |
4.4 基于MrMPPCA的多模态多采样率过程故障检测 | 第95-99页 |
4.5 实例研究 | 第99-105页 |
4.6 本章小结 | 第105-106页 |
5. 基于MLGSSM模型的多采样率动态过程故障检测 | 第106-132页 |
5.1 引言 | 第106-107页 |
5.2 预备知识 | 第107-109页 |
5.2.1 因子分析模型 | 第107-108页 |
5.2.2 线性高斯状态空间模型 | 第108-109页 |
5.3 多采样率线性高斯状态空间模型 | 第109-118页 |
5.3.1 多采样率动态过程的数据描述 | 第109-110页 |
5.3.2 MLGSSM的模型结构 | 第110-111页 |
5.3.3 MLGSSM的模型参数估计 | 第111-116页 |
5.3.4 MLGSSM模型分析 | 第116-118页 |
5.4 基于MLGSSM的动态多采样率过程监测 | 第118-120页 |
5.5 实例研究 | 第120-130页 |
5.5.1 数值仿真 | 第121-126页 |
5.5.2 TE过程仿真实例 | 第126-130页 |
5.6 本章小结 | 第130-132页 |
6. 总结与展望 | 第132-136页 |
6.1 研究工作总结 | 第132-133页 |
6.2 研究工作展望 | 第133-136页 |
参考文献 | 第136-148页 |
攻读博士学位期间完成的学术论文 | 第148-150页 |
攻读博士学位期间参加的科研项目 | 第150页 |