| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究的发展和现状 | 第10-12页 |
| 1.3 间歇过程故障检测与诊断的研究方法 | 第12-14页 |
| 1.3.1 基于数学模型的故障检测与诊断方法 | 第12-13页 |
| 1.3.2 基于知识的故障检测与诊断方法 | 第13页 |
| 1.3.3 基于信号处理的故障检测与诊断方法 | 第13-14页 |
| 1.3.4 基于数据驱动的故障检测与诊断方法 | 第14页 |
| 1.4 本文主要研究内容与结构安排 | 第14-16页 |
| 第二章 多元统计分析方法 | 第16-21页 |
| 2.1 多元统计分析简述 | 第16-17页 |
| 2.2 主元分析方法 | 第17页 |
| 2.3 独立元分析法 | 第17-18页 |
| 2.4 判别分析法 | 第18-20页 |
| 2.4.1 判别分析法简述 | 第18页 |
| 2.4.2 常见判别法 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于多模型FDA的间歇生产过程故障诊断 | 第21-33页 |
| 3.1 引言 | 第21页 |
| 3.2 Fisher判别式分析 | 第21-25页 |
| 3.2.1 Fisher判别式分析的基本原理 | 第22-24页 |
| 3.2.2 低维判别空间的确定 | 第24-25页 |
| 3.3 多模型FDA | 第25-27页 |
| 3.3.1 离线建模阶段 | 第25-27页 |
| 3.3.1.1 数据的预处理 | 第25-26页 |
| 3.3.1.2 建立多模型FDA | 第26-27页 |
| 3.3.2 基于多模型FDA的在线故障诊断 | 第27页 |
| 3.4 应用研究示例 | 第27-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 基于递推多模型FDA的间歇生产过程故障诊断 | 第33-42页 |
| 4.1 引言 | 第33页 |
| 4.2 递推多模型FDA | 第33-36页 |
| 4.3 应用研究示例 | 第36-41页 |
| 4.3.1 离线建模及分析 | 第36-38页 |
| 4.3.2 在线应用与比较 | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于窗口化多FDA模型的间歇生产过程故障诊断 | 第42-62页 |
| 5.1 引言 | 第42页 |
| 5.2 窗口化多FDA模型 | 第42-47页 |
| 5.2.1 离线建模阶段 | 第43页 |
| 5.2.2 基于窗口化多FDA模型的在线故障诊断 | 第43-47页 |
| 5.3 青霉素发酵过程的应用研究 | 第47-61页 |
| 5.3.1 Pensim仿真平台 | 第47-49页 |
| 5.3.2 青霉素发酵过程变量及窗口选择 | 第49-52页 |
| 5.3.3 多FDA模型窗口参数确定 | 第52-53页 |
| 5.3.4 样本数据充足时青霉素发酵过程故障诊断仿真 | 第53-58页 |
| 5.3.4.1 多模型FDA方法对青霉素发酵过程的故障诊断 | 第53-55页 |
| 5.3.4.2 窗口化多FDA模型方法对青霉素发酵过程的故障诊断 | 第55-58页 |
| 5.3.4.3 多模型FDA方法与窗口化多FDA模型方法诊断结果对比 | 第58页 |
| 5.3.5 样本数据缺失时窗口化多FDA模型方法对青霉素发酵过程故障诊断 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 结论 | 第62-64页 |
| 6.1 本文工作总结 | 第62-63页 |
| 6.2 研究与展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间所取得的相关科研成果 | 第69页 |
