| 学位论文数据集 | 第4-5页 |
| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 课题背景及意义 | 第16页 |
| 1.2 主元分析(PCA)及其在状态检测中的应用 | 第16-22页 |
| 1.2.1 化工过程故障的定义 | 第16-17页 |
| 1.2.2 过程监控的基本概念 | 第17-18页 |
| 1.2.3 基于主元分析法的多元统计过程监控 | 第18-22页 |
| 1.3 传统主元分析(PCA)算法面临的问题 | 第22-26页 |
| 1.3.1 非高斯问题 | 第22-23页 |
| 1.3.2 动态问题 | 第23-25页 |
| 1.3.3 多阶段特性问题 | 第25-26页 |
| 1.4 本文的主要工作 | 第26-28页 |
| 第二章 基于数据预处理的主元分析 | 第28-66页 |
| 2.1 引言 | 第28-29页 |
| 2.2 基于数据预求和的主元分析方法 | 第29-30页 |
| 2.3 PS-PCA算法的理论分析 | 第30-37页 |
| 2.4 PS-PCA算法的仿真结果 | 第37-59页 |
| 2.4.1 线性非高斯过程 | 第37-48页 |
| 2.4.1.1 求和数对过程高斯性的影响 | 第38-39页 |
| 2.4.1.2 求和数对故障检测率的影响 | 第39-48页 |
| 2.4.2 非线性非高斯过程 | 第48-53页 |
| 2.4.3 Tennessee Eastman (TE)过程 | 第53-59页 |
| 2.5 鲁棒PS-PCA算法 | 第59-64页 |
| 2.6 本章小结 | 第64-66页 |
| 第三章 两步主元分析法 | 第66-82页 |
| 3.1 引言 | 第66-67页 |
| 3.2 两步主元分析算法 | 第67-70页 |
| 3.2.1 新的动态过程描述结构 | 第67-68页 |
| 3.2.2 算法具体原理和步骤 | 第68-70页 |
| 3.3 算法的参数分析 | 第70-73页 |
| 3.4 算法的仿真测试 | 第73-80页 |
| 3.4.1 数学仿真模型 | 第73-76页 |
| 3.4.2 TE过程仿真 | 第76-80页 |
| 3.5 本章小结 | 第80-82页 |
| 第四章 隐半马尔科夫主元分析法 | 第82-102页 |
| 4.1 引言 | 第82-84页 |
| 4.2 隐半马尔科夫模型 | 第84-87页 |
| 4.3 HSMM-PCA | 第87-90页 |
| 4.4 算法的参数研究 | 第90-93页 |
| 4.5 TE过程仿真验证 | 第93-99页 |
| 4.6 本章小结 | 第99-102页 |
| 第五章 结论和展望 | 第102-106页 |
| 5.1 结论 | 第102-103页 |
| 5.2 展望 | 第103-106页 |
| 参考文献 | 第106-114页 |
| 致谢 | 第114-116页 |
| 作者攻读学位期间发表的学术论文集及科研成果目录 | 第116-118页 |
| 作者简介 | 第118-120页 |
| 导师简介 | 第120-122页 |
| 附件 | 第122-123页 |