基于单批次时段划分的间歇过程故障监测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 引言 | 第11-12页 |
| 1.2 间歇过程 | 第12-16页 |
| 1.2.1 间歇过程的基本数据特征 | 第13-15页 |
| 1.2.2 间歇过程的多时段特性 | 第15-16页 |
| 1.3 间歇过程研究现状 | 第16-17页 |
| 1.4 本文研究内容及文章结构安排 | 第17-19页 |
| 第2章 多元统计过程监测方法 | 第19-29页 |
| 2.1 主元分析法(PCA) | 第19-22页 |
| 2.1.1 主元分析(PCA)方法理论 | 第19-20页 |
| 2.1.2 主元分析法的计算步骤 | 第20-21页 |
| 2.1.3 主元分析法的过程监控 | 第21-22页 |
| 2.2 核主元分析法(KPCA) | 第22-27页 |
| 2.2.1 核主元分析法理论 | 第22-25页 |
| 2.2.2 核主元分析法的计算步骤 | 第25页 |
| 2.2.3 常用的核函数 | 第25-26页 |
| 2.2.4 核主元分析法的过程监控 | 第26-27页 |
| 2.3 动态PCA(DPCA) | 第27-28页 |
| 2.3.1 DPCA的理论 | 第27-28页 |
| 2.3.2 DPCA的过程监控 | 第28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 基于单批次数据的多时段过程监测方法 | 第29-47页 |
| 3.1 基于滑动窗口的DKPCA的过程监测方法 | 第29-33页 |
| 3.1.1 滑动数据窗口 | 第30-31页 |
| 3.1.2 DKPCA算法简单介绍 | 第31页 |
| 3.1.3 基于滑动窗口的DKPCA时段划分 | 第31-33页 |
| 3.1.4 建模步骤 | 第33页 |
| 3.2 基于遗传优化算法的过程监测方法 | 第33-43页 |
| 3.2.1 遗传算法 | 第34-40页 |
| 3.2.2 基于遗传优化算法的子时段划分 | 第40-43页 |
| 3.3 基于单批次数据在线监控 | 第43-45页 |
| 3.4 小结 | 第45-47页 |
| 第4章 青霉素发酵过程监测 | 第47-65页 |
| 4.1 青霉素发酵过程 | 第47-53页 |
| 4.1.1 青霉素发酵过程的生理阶段 | 第48-49页 |
| 4.1.2 青霉素发酵仿真 | 第49-53页 |
| 4.2 基于滑动窗口的DKPCA发酵过程监控 | 第53-59页 |
| 4.2.1 过程子时段划分 | 第53-54页 |
| 4.2.2 青霉素发酵过程监测步骤 | 第54-59页 |
| 4.3 基于遗传算法DKPCA发酵过程监控 | 第59-64页 |
| 4.3.1 过程子时段划分 | 第60页 |
| 4.3.2 青霉素发酵过程监测步骤 | 第60-64页 |
| 4.4 小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |
