| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 过程故障检测与诊断领域的研究现状及趋势 | 第9-11页 |
| 1.2.1 研究现状 | 第9-10页 |
| 1.2.2 发展趋势 | 第10-11页 |
| 1.3 主要研究内容 | 第11-13页 |
| 第二章 基本检测方法和主要算法 | 第13-22页 |
| 2.1 主成分分析(PCA)算法故障检测模型 | 第13-16页 |
| 2.1.1 故障检测统计量的建立 | 第13-14页 |
| 2.1.2 PCA故障检测模型建立过程 | 第14-16页 |
| 2.1.2.1 基于PCA的离线检测模型 | 第14页 |
| 2.1.2.2 基于PCA的在线检测模型 | 第14-16页 |
| 2.2 独立成分分析(ICA) | 第16-17页 |
| 2.3 动态独立成分分析(DICA)算法 | 第17-18页 |
| 2.3.1 故障检测模型的建立 | 第17-18页 |
| 2.4 支持向量数据描述(SVDD)算法 | 第18-20页 |
| 2.4.1 故障检测模型的建立 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 田纳西-伊斯曼(TE)过程 | 第22-27页 |
| 3.1 TE过程简介 | 第22-23页 |
| 3.2 TE过程变量 | 第23-25页 |
| 3.3 TE过程故障分析 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 基于动态ICA-SVDD的过程故障检测 | 第27-39页 |
| 4.1 动态独立成分分析(DICA)算法 | 第27-28页 |
| 4.2 SVDD算法建立统计量 | 第28-30页 |
| 4.3 检测统计量的建立 | 第30页 |
| 4.4 模型建立过程 | 第30-32页 |
| 4.5 TE过程仿真分析 | 第32-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第五章 基于ICA-PCA和Lasso的过程故障诊断 | 第39-51页 |
| 5.1 故障检测模型 | 第39-40页 |
| 5.1.1 数据的独立成分分析 | 第39-40页 |
| 5.1.2 残差的主成分分析 | 第40页 |
| 5.2 Lasso故障诊断算法 | 第40-41页 |
| 5.3 故障检测与诊断具体流程 | 第41-43页 |
| 5.4 TE过程仿真分析 | 第43-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 总结和展望 | 第51-53页 |
| 6.1 工作总结 | 第51页 |
| 6.2 课题展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 个人简历 在读期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |