| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 1 绪论与综述 | 第15-31页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 复杂工业过程监控的特点 | 第16-17页 |
| 1.3 统计过程控制简介 | 第17-21页 |
| 1.3.1 单变量统计过程控制 | 第17-18页 |
| 1.3.2 多变量统计过程控制 | 第18-21页 |
| 1.4 统计过程监控方法的发展 | 第21-27页 |
| 1.4.1 关于过程变量非正态分布的研究 | 第21-22页 |
| 1.4.2 关于时变过程的研究 | 第22-23页 |
| 1.4.3 关于非线性过程的研究 | 第23-26页 |
| 1.4.4 关于动态过程的研究 | 第26-27页 |
| 1.5 复杂工业过程统计监控中存在的问题 | 第27-28页 |
| 1.6 论文结构与内容 | 第28-31页 |
| 2 自适应特征值分解更新方法 | 第31-45页 |
| 2.1 引言 | 第31-32页 |
| 2.2 协方差矩阵特征值分解更新相关研究 | 第32-34页 |
| 2.3 自适应NIPALS(Adaptative NIPALS,ANIPALS)算法 | 第34-37页 |
| 2.4 计算复杂度分析 | 第37-40页 |
| 2.5 仿真研究 | 第40-43页 |
| 2.5.1 计算效率分析 | 第40-41页 |
| 2.5.2 计算精度分析 | 第41-43页 |
| 2.6 小结 | 第43-45页 |
| 3 核PCA模型的自适应更新 | 第45-65页 |
| 3.1 引言 | 第45-46页 |
| 3.2 基本KPCA算法 | 第46-47页 |
| 3.3 Gram矩阵的更新 | 第47-57页 |
| 3.3.1 G的计算 | 第47-49页 |
| 3.3.2 G的计算 | 第49-51页 |
| 3.3.3 Gram矩阵的滑窗(Moving Window)更新算法G(?)G | 第51-52页 |
| 3.3.4 Gram矩阵的块式更新 | 第52-57页 |
| 3.4 Gram矩阵特征值分解更新 | 第57页 |
| 3.5 仿真研究 | 第57-63页 |
| 3.5.1 过程描述 | 第57-58页 |
| 3.5.2 精度分析 | 第58-60页 |
| 3.5.3 更新效率分析 | 第60-63页 |
| 3.6 小结 | 第63-65页 |
| 4 基于核PCA的非线性时变系统自适应监控研究 | 第65-75页 |
| 4.1 KPCA模型参数确定 | 第65-71页 |
| 4.1.1 核函数的选择 | 第65-66页 |
| 4.1.2 主元数目的选择 | 第66-67页 |
| 4.1.3 基于自适应AKPCA算法的快速交叉验证 | 第67-70页 |
| 4.1.4 仿真研究 | 第70-71页 |
| 4.2 丁烷-己烷精馏过程监控应用 | 第71-74页 |
| 4.2.1 KPCA模型主元数估计 | 第71-72页 |
| 4.2.2 过程监控研究 | 第72-74页 |
| 4.3 小结 | 第74-75页 |
| 5 基于子空间辨识的动态过程自适应监控研究 | 第75-101页 |
| 5.1 引言 | 第75-77页 |
| 5.2 基本子空间辨识算法：MOESP和N4SID | 第77-80页 |
| 5.2.1 模型及符号说明 | 第77-78页 |
| 5.2.2 MOESP算法 | 第78-79页 |
| 5.2.3 N4SID算法 | 第79-80页 |
| 5.3 自适应子空间辨识 | 第80-87页 |
| 5.3.1 投影的更新 | 第80-86页 |
| 5.3.2 扩展观测矩阵的更新 | 第86-87页 |
| 5.4 投影更新计算复杂度分析 | 第87页 |
| 5.4.1 自适应正交投影算法计算复杂度分析 | 第87页 |
| 5.4.2 自适应斜投影算法计算复杂度分析 | 第87页 |
| 5.5 仿真研究 | 第87-95页 |
| 5.5.1 自适应MOESP算法性能分析 | 第88-93页 |
| 5.5.2 自适应N4SID算法性能分析 | 第93-95页 |
| 5.6 重油分馏过程监控应用 | 第95-100页 |
| 5.6.1 过程描述 | 第95-97页 |
| 5.6.2 监控实施过程 | 第97页 |
| 5.6.3 过程监控结果分析 | 第97-100页 |
| 5.7 小结 | 第100-101页 |
| 6 基于EIV模型的MRPLS监控方法研究 | 第101-133页 |
| 6.1 引言 | 第101-102页 |
| 6.2 预备知识 | 第102-106页 |
| 6.2.1 PLS模型分析 | 第102-103页 |
| 6.2.2 相关研究 | 第103-104页 |
| 6.2.3 新PLS模型的提出 | 第104-106页 |
| 6.3 MRPLS算法 | 第106-116页 |
| 6.3.1 算法介绍 | 第106-109页 |
| 6.3.2 MRPLS的几何性质 | 第109-111页 |
| 6.3.3 降阶操作分析 | 第111-112页 |
| 6.3.4 隐变量的获取 | 第112-113页 |
| 6.3.5 自适应更新算法 | 第113-116页 |
| 6.4 Error-in-variable PLS(EIVPLS)模型的辨识 | 第116-119页 |
| 6.4.1 观测误差协方差矩阵已知时的EIV估计 | 第116-117页 |
| 6.4.2 观测误差协方差矩阵未知时的EIV估计 | 第117-119页 |
| 6.5 算法的实施与分析 | 第119-129页 |
| 6.5.1 OPLS的实施 | 第120-121页 |
| 6.5.2 Partial PLS算法的实施 | 第121-123页 |
| 6.5.3 MRPLS算法 | 第123页 |
| 6.5.4 计算效率分析 | 第123-127页 |
| 6.5.5 模型辨识精度 | 第127-129页 |
| 6.6 丁烷-丙烷-戊烷精馏过程监控应用 | 第129-132页 |
| 6.7 小结 | 第132-133页 |
| 7 总结与展望 | 第133-137页 |
| 7.1 研究工作总结 | 第133-134页 |
| 7.2 挑战与展望 | 第134-137页 |
| 参考文献 | 第137-155页 |
| 攻读博士期间科研成果 | 第155-157页 |
| 作者简历 | 第157页 |
