因子分析多元统计方法在过程监控中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·前言 | 第7页 |
| ·过程监控概述 | 第7-9页 |
| ·过程监控主要任务 | 第7-8页 |
| ·过程监控主要方法 | 第8-9页 |
| ·基于数据驱动的统计监控 | 第9-12页 |
| ·单变量统计监控 | 第9页 |
| ·多变量统计监控 | 第9-12页 |
| ·本文结构 | 第12-13页 |
| 第二章 基于因子分析的统计过程监控 | 第13-27页 |
| ·引言 | 第13页 |
| ·因子分析概述 | 第13-15页 |
| ·FA 概率模型 | 第13-14页 |
| ·基于EM 算法的参数计算 | 第14-15页 |
| ·因子分析过程监控方法 | 第15-18页 |
| ·数据标准化 | 第15-16页 |
| ·因子个数的选取 | 第16-17页 |
| ·监控指标的确定 | 第17-18页 |
| ·应用实例-田纳西－伊斯曼过程 | 第18-25页 |
| ·田纳西－伊斯曼过程简介 | 第18-21页 |
| ·FA 在 TE 过程中的应用 | 第21-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 动态过程统计监控 | 第27-37页 |
| ·引言 | 第27页 |
| ·传统时滞长度确定方法 | 第27-28页 |
| ·改进时滞长度确定方法 | 第28-29页 |
| ·相关关系 | 第28页 |
| ·基于自相关分析的时滞确定方法 | 第28-29页 |
| ·简化的基于自相关分析的时滞确定方法 | 第29页 |
| ·TE 过程的DFA 监控 | 第29-35页 |
| ·动态因子分析建模 | 第29-30页 |
| ·过程动态性验证 | 第30页 |
| ·监控步骤 | 第30-31页 |
| ·故障5 的个案研究 | 第31-33页 |
| ·典型故障比较 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 非高斯分布过程统计监控 | 第37-47页 |
| ·引言 | 第37-38页 |
| ·独立因子分析模型 | 第38-40页 |
| ·IFA 统计学定义 | 第38页 |
| ·独立因子概率密度模型 | 第38-39页 |
| ·样本数据概率密度模型 | 第39页 |
| ·基于EM 算法的参数计算 | 第39-40页 |
| ·独立因子分析过程监控方法 | 第40-41页 |
| ·因子数及高斯混合项数的确定 | 第40页 |
| ·监控指标的确定 | 第40-41页 |
| ·应用实例—化工吸附分离过程中的应用 | 第41-46页 |
| ·化工吸附分离过程简介 | 第41-43页 |
| ·过程非高斯性验证 | 第43-44页 |
| ·监控步骤 | 第44页 |
| ·监控结果 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 动态非高斯过程统计监控 | 第47-55页 |
| ·引言 | 第47页 |
| ·DIFA 模型及监控方法 | 第47-50页 |
| ·动态处理 | 第47-48页 |
| ·PCA 数据压缩 | 第48页 |
| ·IFA 建模 | 第48-49页 |
| ·基于DIFA 的过程监控方法 | 第49-50页 |
| ·应用实例—化工吸附分离过程中的应用 | 第50-53页 |
| ·过程动态性及非高斯性验证 | 第50页 |
| ·监控步骤 | 第50-51页 |
| ·监控结果 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·研究总结 | 第55页 |
| ·研究展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第64页 |
