首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于轨迹分析的工业过程建模与故障检测

致谢第5-7页
摘要第7-9页
Abstract第9-11页
1 绪论第20-40页
    1.1 课题研究背景及意义第20-21页
    1.2 过程监测的基本概念和发展现状第21-24页
        1.2.1 过程监测的基本概念和研究内容第21-22页
        1.2.2 过程监测的研究现状和主要方法第22-24页
    1.3 多变量统计过程监测的发展和现状第24-31页
        1.3.1 多变量统计过程监测的发展历程第24-25页
        1.3.2 多变量统计过程监测的研究现状和主要问题第25-31页
    1.4 基于过程轨迹分析的过程监测第31-35页
        1.4.1 过程轨迹分析的主要内容第31-33页
        1.4.2 基于轨迹分析的过程监测研究现状第33-34页
        1.4.3 与传统MSPM方法的关联和存在的问题第34-35页
    1.5 本文研究内容和创新点介绍第35-39页
        1.5.1 本文主要研究内容第35-37页
        1.5.2 创新点与章节介绍第37-39页
    1.6 本章小结第39-40页
2 基于局部差分轨迹模型的批次过程故障检测第40-62页
    2.1 引言第40-42页
    2.2 预备知识第42-43页
        2.2.1 即时学习方法(JITL)第42页
        2.2.2 主成分分析模型(PCA)第42-43页
    2.3 局部差分轨迹模型(LDTM)第43-46页
    2.4 基于LDTM的批次过程故障检测第46-51页
        2.4.1 相似轨迹提取第46页
        2.4.2 局部建模方法第46-48页
        2.4.3 统计量构造第48-50页
        2.4.4 基于LDTM的监测方法的优势第50-51页
    2.5 实例研究第51-59页
        2.5.1 数值仿真实例第51-55页
        2.5.2 青霉素发酵过程仿真实例第55-59页
    2.6 本章小结第59-62页
3 基于局部轨迹分析的批次过程过渡阶段故障检测第62-78页
    3.1 引言第62-63页
    3.2 预备知识第63-65页
        3.2.1 偏最小二乘模型(PLS)第63-64页
        3.2.2 支持向量数据描述(SVDD)第64-65页
    3.3 基于PLS和SVDD的过渡阶段局部数据轨迹分析第65-71页
        3.3.1 数据预处理第65-66页
        3.3.2 过渡阶段辨识第66-67页
        3.3.3 过渡阶段局部建模第67-69页
        3.3.4 基于SVDD的统计量构造第69-71页
    3.4 实例研究第71-76页
    3.5 本章小结第76-78页
4 基于随机优化和轨迹分析的批次过程质量监测第78-110页
    4.1 引言第78-80页
    4.2 预备知识第80-82页
        4.2.1 过程随机性和不确定性第80-81页
        4.2.2 随机优化第81-82页
    4.3 基于随机优化和轨迹分析的监测算法第82-89页
        4.3.1 基于bagging算法的数据重采样第82-84页
        4.3.2 基于随机优化的最优质量轨迹求解第84-85页
        4.3.3 基于CRMSE的统计量构造第85-86页
        4.3.4 基于投票法的决策融合第86-87页
        4.3.5 讨论第87-89页
    4.4 实例研究第89-108页
        4.4.1 数值仿真实例第89-99页
        4.4.2 青霉素发酵过程仿真实例第99-108页
    4.5 本章小结第108-110页
5 基于轨迹分析和趋势图的连续过程故障检测第110-124页
    5.1 引言第110-111页
    5.2 过程轨迹分析及监测第111-112页
    5.3 基于轨迹向量和轨迹趋势图的连续过程故障检测第112-117页
        5.3.1 数据预处理第113页
        5.3.2 连续过程轨迹向量的构造方法第113-115页
        5.3.3 基于轨迹向量的离线建模第115-116页
        5.3.4 基于轨迹向量的在线故障检测第116-117页
    5.4 实例研究第117-123页
    5.5 本章小结第123-124页
6 总结与展望第124-128页
    6.1 研究总结第124-125页
    6.2 研究展望第125-128页
参考文献第128-138页
攻读博士学位期间完成的学术成果第138-139页
攻读博士学位期间参加的科研项目第139页
作者简介第139页

论文共139页,点击 下载论文
上一篇:异步多率采样系统的H_∞控制
下一篇:数据驱动的工业过程鲁棒监测