基于高维时间序列分析的多模态工业过程监测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-24页 |
| ·引言 | 第14页 |
| ·多模态工业过程的监测方法研究现状 | 第14-18页 |
| ·工业过程的统计监测方法 | 第16-17页 |
| ·多模态工业过程的监测方法 | 第17-18页 |
| ·基于小波和PCA的动态过程监测方法研究现状 | 第18-21页 |
| ·基于小波的动态过程监测方法 | 第18-20页 |
| ·基于小波和PCA的动态过程监测方法 | 第20-21页 |
| ·课题的研究意义和主要研究内容 | 第21-24页 |
| ·课题的研究意义 | 第21页 |
| ·课题的主要研究内容 | 第21-24页 |
| 第二章 基于WT-KPCA的间歇过程模态聚类 | 第24-38页 |
| ·引言 | 第24页 |
| ·基于观测变量的间歇过程模态聚类 | 第24-28页 |
| ·观测变量的多向主元分析 | 第24-26页 |
| ·基于MPCA的间歇过程模态聚类 | 第26-28页 |
| ·基于瞬时脉冲响应估计的间歇过程模态聚类 | 第28-34页 |
| ·基于小波变换的瞬时脉冲响应估计 | 第28-32页 |
| ·基于WT-PCA的间歇过程模态聚类 | 第32-34页 |
| ·基于WT-KPCA的间歇过程模态聚类 | 第34-37页 |
| ·KPCA方法 | 第34-36页 |
| ·基于WT-KPCA的间歇过程模态聚类 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于WT-KPCA的间歇过程在线监测方法 | 第38-54页 |
| ·引言 | 第38页 |
| ·基于SVM间歇过程分段建模方法 | 第38-45页 |
| ·统计学习理论 | 第38-39页 |
| ·分段建模融合方法 | 第39-43页 |
| ·基于FCM的联合加权SVM建模算法 | 第43-45页 |
| ·基于CKF方法的在线数据处理方法 | 第45-49页 |
| ·基于CKF的在线数据处理方法 | 第45-49页 |
| ·基于WT-KPCA的间歇过程在线监测 | 第49-52页 |
| ·基于WT-KPCA的间歇过程监测指标 | 第49-51页 |
| ·基于WT-KPCA的间歇过程在线监测 | 第51-52页 |
| ·小结 | 第52-54页 |
| 第四章 实验与分析 | 第54-70页 |
| ·引言 | 第54页 |
| ·青霉素发酵过程仿真平台 | 第54-55页 |
| ·青霉素发酵过程及仿真平台 | 第54-55页 |
| ·实验过程及分析指标 | 第55页 |
| ·基于WT-KPCA的间歇过程分段建模 | 第55-66页 |
| ·DWT-KPCA分段实验 | 第56-64页 |
| ·联合加权SVM实验 | 第64-65页 |
| ·实验结果与分析 | 第65-66页 |
| ·基于WT-KPCA的分段故障监测实验 | 第66-69页 |
| ·在线故障监测实验 | 第66-68页 |
| ·实验结果与分析 | 第68-69页 |
| ·小结 | 第69-70页 |
| 第五章 结论与展望 | 第70-72页 |
| ·结论 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 研究成果及发表的学术论文 | 第78-80页 |
| 作者简介 | 第80-81页 |
| 附件 | 第81-82页 |
