| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10页 |
| 1.2 过程监测的基本概念与研究方法 | 第10-13页 |
| 1.2.1 过程监测的基本概念 | 第10-11页 |
| 1.2.2 过程监测的研究方法 | 第11-13页 |
| 1.3 基于多元统计的过程监测方法研究现状及发展 | 第13-15页 |
| 1.3.1 多元统计过程监测概述 | 第13页 |
| 1.3.2 基于多元统计的过程监测方法 | 第13-15页 |
| 1.4 本文主要的研究内容 | 第15-16页 |
| 第2章 多元统计理论基础 | 第16-30页 |
| 2.1 主元分析 | 第16-18页 |
| 2.2 核主元分析 | 第18-20页 |
| 2.3 独立元分析 | 第20-25页 |
| 2.3.1 独立元分析算法 | 第20-24页 |
| 2.3.2 独立元空间的划分 | 第24-25页 |
| 2.4 核独立元分析 | 第25-28页 |
| 2.4.1 核独立元分析算法 | 第25-28页 |
| 2.4.2 独立元空间的划分 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 变量之间相关关系判定方法的研究 | 第30-40页 |
| 3.1 引言 | 第30页 |
| 3.2 高斯过程变量间相关关系判定方法的研究 | 第30-37页 |
| 3.2.1 巴特莱特检验法 | 第30-32页 |
| 3.2.2 多元线性回归法 | 第32-35页 |
| 3.2.3 仿真验证 | 第35-37页 |
| 3.3 非高斯过程变量间相关关系判定方法的研究 | 第37-39页 |
| 3.3.1 非高斯变量间相关关系判定方法 | 第37-38页 |
| 3.3.2 仿真验证 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于PCA及KPCA的过程监测方法及应用 | 第40-62页 |
| 4.1 引言 | 第40页 |
| 4.2 基于PCA的过程监测方法 | 第40-43页 |
| 4.2.1 基于PCA的过程监测 | 第40-42页 |
| 4.2.2 基于PCA的故障识别 | 第42-43页 |
| 4.3 基于KPCA过程监测方法 | 第43-52页 |
| 4.3.1 基于KPCA的过程监测 | 第43-44页 |
| 4.3.2 一种改进的基于数据重构的KPCA故障识别方法 | 第44-52页 |
| 4.4 基于PCA及KPCA的过程监测方法在田纳西过程中的应用 | 第52-61页 |
| 4.4.1 田纳西过程简介 | 第52-53页 |
| 4.4.2 仿真分析 | 第53-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 基于ICA及KICA的过程监测方法及应用 | 第62-76页 |
| 5.1 引言 | 第62页 |
| 5.2 基于ICA的过程监测方法 | 第62-64页 |
| 5.2.1 基于ICA的过程监测 | 第62-64页 |
| 5.2.2 基于ICA的故障识别 | 第64页 |
| 5.3 基于KICA的过程监测方法 | 第64-65页 |
| 5.4 基于ICA及KICA的过程监测方法在青霉素发酵过程中的应用 | 第65-75页 |
| 5.4.1 青霉素发酵过程简介 | 第65-66页 |
| 5.4.2 间歇过程数据的表达及处理方法 | 第66-67页 |
| 5.4.3 仿真分析 | 第67-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
