| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 课题研究背景及意义 | 第7-8页 |
| 1.2 过程监测的基本概述与方法分类 | 第8-9页 |
| 1.2.1 过程监测概述 | 第8页 |
| 1.2.2 过程监测方法的分类 | 第8-9页 |
| 1.3 间歇过程特征分析及研究现状 | 第9-12页 |
| 1.3.1 间歇过程特征分析 | 第10-11页 |
| 1.3.2 间歇过程监测研究现状 | 第11-12页 |
| 1.4 论文的研究内容及安排 | 第12-14页 |
| 第二章 基于MPCA的间歇过程故障监测 | 第14-22页 |
| 2.1 主元分析 | 第14-16页 |
| 2.1.1 主元分析的基本原理 | 第14-15页 |
| 2.1.2 基于PCA的监测统计量及其控制限 | 第15-16页 |
| 2.2 多向主元分析 | 第16-19页 |
| 2.2.1 MPCA的展开方法 | 第16-18页 |
| 2.2.2 MPCA方法在线监测的数据填充 | 第18-19页 |
| 2.3 多向主元分析方法的故障监测 | 第19-21页 |
| 2.3.1 间歇过程监测框架 | 第19-20页 |
| 2.3.2 MPCA应用于间歇过程监测的步骤 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于LSSVM的多阶段间歇过程故障诊断方法 | 第22-32页 |
| 3.1 间歇过程的数据预处理和在线故障监测 | 第22-23页 |
| 3.2 基于最小二乘支持向量机的故障诊断方法 | 第23-27页 |
| 3.2.1 两类LSSVM分类器 | 第23-25页 |
| 3.2.2 多分类LSSVM分类器 | 第25-26页 |
| 3.2.3 故障特征提取 | 第26-27页 |
| 3.3 离线建模及在线故障诊断 | 第27-28页 |
| 3.4 仿真实验 | 第28-31页 |
| 3.4.1 青霉素发酵过程仿真分析 | 第28-29页 |
| 3.4.2 仿真实验结果 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于ICA-SVDD的多阶段间歇过程故障监测方法 | 第32-44页 |
| 4.1 间歇过程的多阶段划分 | 第32-33页 |
| 4.2 基于独立成分分析的特征信息提取 | 第33-34页 |
| 4.3 基于支持向量数据描述的间歇过程在线监测 | 第34-38页 |
| 4.3.1 支持向量数据描述算法理论 | 第34-36页 |
| 4.3.2 支持向量数据描述算法的参数寻优 | 第36页 |
| 4.3.3 离线建模及在线监测 | 第36-38页 |
| 4.4 仿真实验 | 第38-43页 |
| 4.4.1 半导体蚀刻过程分析 | 第38-39页 |
| 4.4.2 仿真实验结果 | 第39-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录：作者在攻读硕士学位期间取得的学术成果 | 第51页 |