基于多阶段MICA的间歇过程故障监测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 基于多元统计方法的过程监测 | 第10-11页 |
| 1.2.1 单元统计过程监测 | 第10页 |
| 1.2.2 多元统计过程监测 | 第10-11页 |
| 1.3 间歇过程概述 | 第11-13页 |
| 1.4 国内外研究现状 | 第13-17页 |
| 1.4.1 间歇过程故障监测算法研究现状 | 第14-15页 |
| 1.4.2 基于ICA的过程监测算法研究现状 | 第15页 |
| 1.4.3 间歇过程的多阶段建模算法研究现状 | 第15-17页 |
| 1.5 论文结构及内容 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第2章 基于自适应FCM的多阶段间歇过程故障监测 | 第19-39页 |
| 2.1 引言 | 第19-20页 |
| 2.2 阶段划分数据预处理 | 第20-22页 |
| 2.2.1 间歇过程的数据特征 | 第20-21页 |
| 2.2.2 矩阵相似度理论 | 第21-22页 |
| 2.3 模糊C均值聚类算法 | 第22-29页 |
| 2.3.1 算法基本原理 | 第23-24页 |
| 2.3.2 初始聚类中心的选取 | 第24-25页 |
| 2.3.3 阶段划分个数的确定 | 第25-26页 |
| 2.3.4 聚类有效性指标 | 第26-29页 |
| 2.4 自适应FCM间歇过程阶段划分算法 | 第29-31页 |
| 2.5 仿真实验及结果分析 | 第31-38页 |
| 2.5.1 青霉素发酵仿真平台简介 | 第31-32页 |
| 2.5.2 Pensim仿真实验研究 | 第32-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第3章 基于粒子群优化MICA的间歇过程故障监测 | 第39-56页 |
| 3.1 引言 | 第39-40页 |
| 3.2 多向独立成分分析 | 第40-44页 |
| 3.2.1 三维数据预处理 | 第40-41页 |
| 3.2.2 独立成分分析(ICA)原理 | 第41-42页 |
| 3.2.3 负熵极大化的FastICA算法 | 第42-44页 |
| 3.3 基于粒子群优化MICA的间歇过程建模 | 第44-47页 |
| 3.3.1 粒子群优化算法原理 | 第44-45页 |
| 3.3.2 粒子群优化FastICA算法初始解 | 第45-46页 |
| 3.3.3 独立成分个数的选取 | 第46-47页 |
| 3.4 基于SVDD的间歇过程在线监测 | 第47-50页 |
| 3.4.1 SVDD算法基本原理 | 第47-48页 |
| 3.4.2 监控统计置信限 | 第48-50页 |
| 3.5 仿真实验及结果分析 | 第50-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第4章 基于多阶段MICA的间歇过程故障监测 | 第56-69页 |
| 4.1 引言 | 第56页 |
| 4.2 间歇过程三维数据展开 | 第56-57页 |
| 4.3 多阶段MICA故障监测算法 | 第57-62页 |
| 4.3.1 完整批次的阶段划分 | 第58-60页 |
| 4.3.2 建立离线多阶段监测模型 | 第60-61页 |
| 4.3.3 间歇过程的在线监测 | 第61-62页 |
| 4.4 仿真研究与结果分析 | 第62-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 大肠杆菌现场发酵实验 | 第69-77页 |
| 5.1 大肠杆菌发酵过程简介 | 第69-70页 |
| 5.2 大肠杆菌发酵过程监测与实验分析 | 第70-76页 |
| 5.3 本章小结 | 第76-77页 |
| 总结与展望 | 第77-79页 |
| 总结 | 第77-78页 |
| 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间取得的学术成果 | 第83-84页 |
| 致谢 | 第84页 |
