| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-14页 |
| 1 绪论 | 第14-40页 |
| ·引言 | 第14-16页 |
| ·过程监测的目的和研究对象 | 第16-18页 |
| ·过程监测的主要目的 | 第16-18页 |
| ·过程监测的研究对象 | 第18页 |
| ·过程监测方法分类 | 第18-24页 |
| ·基于定量数学模型的方法 | 第20-21页 |
| ·基于知识的方法 | 第21页 |
| ·基于数据驱动的方法 | 第21-24页 |
| ·模型有效性 | 第24页 |
| ·统计过程监测的研究现状 | 第24-37页 |
| ·统计过程监测技术的发展历史 | 第25-26页 |
| ·单变量统计过程监测 | 第26-27页 |
| ·多变量统计过程监测 | 第27-33页 |
| ·间歇生产过程统计监测 | 第33-37页 |
| ·本文的主要研究内容 | 第37-40页 |
| 2 发酵过程简介 | 第40-60页 |
| ·引言 | 第40-41页 |
| ·发酵技术发展历史 | 第41-42页 |
| ·发酵过程基础知识 | 第42-44页 |
| ·发酵过程的特点和分类 | 第42-43页 |
| ·发酵工业的生产流程 | 第43页 |
| ·发酵过程的操作方式 | 第43-44页 |
| ·发酵过程工艺控制 | 第44-49页 |
| ·发酵过程的主要参数 | 第44-45页 |
| ·测量参数对发酵的影响 | 第45-48页 |
| ·发酵终点的判断 | 第48-49页 |
| ·发酵工业过程的数学模型 | 第49-52页 |
| ·发酵过程的状态变量、操作变量与测量变量 | 第49-50页 |
| ·描述发酵过程的各类数学模型 | 第50-52页 |
| ·青霉素发酵过程简介 | 第52-59页 |
| ·青霉素发酵过程的数学模型 | 第52-54页 |
| ·青霉素发酵的四个生理阶段 | 第54-56页 |
| ·发酵过程的初始条件及设定点 | 第56-57页 |
| ·Pensim提供的三类故障 | 第57页 |
| ·青霉素发酵过程监测现状 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 3 针对发酵过程不同操作模式的多MPLS模型统计监测研究 | 第60-80页 |
| ·引言 | 第60-62页 |
| ·偏最小二乘算法的研究现状 | 第62-65页 |
| ·偏最小二乘算法的起源与发展 | 第62-63页 |
| ·偏最小二乘算法的研究现状 | 第63-65页 |
| ·偏最小二乘算法的基本原理 | 第65-70页 |
| ·偏最小二乘回归的基本思想 | 第65-66页 |
| ·偏最小二乘算法描述 | 第66-68页 |
| ·PLS成分的确定方法 | 第68-69页 |
| ·PLS的简化算法 | 第69页 |
| ·数据预处理 | 第69-70页 |
| ·多变量统计过程监测图 | 第70-73页 |
| ·主元得分图 | 第71页 |
| ·Hotelling T~2与SPE图 | 第71-72页 |
| ·贡献图 | 第72-73页 |
| ·基于多MPLS模型的过程监测 | 第73-74页 |
| ·多MPLS离线模型的建立 | 第73页 |
| ·过程的在线监测与故障诊断 | 第73-74页 |
| ·仿真结果 | 第74-79页 |
| ·本章小结 | 第79-80页 |
| 4 基于递归主元分析的发酵过程时变特性监测性能研究 | 第80-98页 |
| ·引言 | 第80-82页 |
| ·主元分析 | 第82-84页 |
| ·基于秩-1矩阵摄动的递归主元分析算法 | 第84-89页 |
| ·协方差矩阵的递归形式 | 第84-85页 |
| ·秩-1矩阵摄动分析方法寻找V_k和D_k | 第85-87页 |
| ·一阶动态遗忘策略 | 第87-88页 |
| ·矩阵Q_k和Λ_k的重排与主元数目的选取 | 第88-89页 |
| ·运算复杂度与存储量分析 | 第89页 |
| ·RPCA算法在线监测 | 第89-93页 |
| ·算法流程 | 第89-90页 |
| ·统计量的推导及控制限的确定 | 第90-93页 |
| ·青霉素发酵过程仿真结果 | 第93-96页 |
| ·本章小结 | 第96-98页 |
| 5 基于MEWMA-KPCA算法的发酵过程动态非线性监测性能研究 | 第98-120页 |
| ·引言 | 第98-101页 |
| ·多元指数加权移动平均 | 第101-102页 |
| ·核主元分析 | 第102-108页 |
| ·核函数(Kernel Function)的概念与性质 | 第102-103页 |
| ·核函数特点及分类 | 第103-105页 |
| ·核主元分析算法 | 第105-108页 |
| ·MEWMA-KPCA离线建模与在线监测 | 第108-112页 |
| ·MEWMA-KPCA离线建模 | 第108-109页 |
| ·Hotelling T~2与SPE统计量 | 第109-110页 |
| ·MEWMA-KPCA在线监测 | 第110-112页 |
| ·仿真研究 | 第112-118页 |
| ·动态非线性过程仿真 | 第113-115页 |
| ·青霉素发酵过程仿真 | 第115-118页 |
| ·本章小结 | 第118-120页 |
| 6 特征空间递归更新的ICA算法在线监测应用研究 | 第120-144页 |
| ·引言 | 第120-122页 |
| ·独立元分析 | 第122-133页 |
| ·独立元分析定义 | 第123-125页 |
| ·数据预处理 | 第125-127页 |
| ·独立元分析估计原理 | 第127-131页 |
| ·独立元分析算法及缺点 | 第131-133页 |
| ·特征空间的递归更新 | 第133-135页 |
| ·协方差矩阵的递归形式 | 第133-134页 |
| ·秩-1矩阵摄动方法寻找Q_k和Λ_k | 第134-135页 |
| ·基于RUFS-ICA算法的过程监测 | 第135-139页 |
| ·统计量及控制限的确定 | 第136-137页 |
| ·RUFS-ICA算法在线监测流程 | 第137-139页 |
| ·仿真研究 | 第139-141页 |
| ·本章小结 | 第141-144页 |
| 7 总结与展望 | 第144-146页 |
| ·本文研究工作总结 | 第144-145页 |
| ·研究工作展望 | 第145-146页 |
| 参考文献 | 第146-164页 |
| 附录 | 第164-166页 |
| 致谢 | 第166页 |
