基于KECA相似度的多阶段间歇过程故障监测及诊断算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 过程监测及故障诊断方法介绍 | 第9-11页 |
| 1.2.1 定性分析的方法 | 第9-10页 |
| 1.2.2 定量分析的方法 | 第10-11页 |
| 1.3 基于多元统计分析的监测方法的研究现状 | 第11-13页 |
| 1.3.2 基于多阶段的研究现状 | 第12页 |
| 1.3.3 基于非线性的研究现状 | 第12-13页 |
| 1.4 论文主要研究内容 | 第13-15页 |
| 第二章 基于KECA相似度的阶段划分算法 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 发酵过程数据处理 | 第15-19页 |
| 2.2.1 三维数据处理 | 第15-17页 |
| 2.2.2 矩阵相似度原理 | 第17-18页 |
| 2.2.3 FCM理论 | 第18-19页 |
| 2.3 基于KECA相似度的阶段划分算法 | 第19-23页 |
| 2.3.1 KECA | 第19-21页 |
| 2.3.2 KECA的相似度指标 | 第21页 |
| 2.3.3 基于KECA相似度的阶段划分 | 第21-23页 |
| 2.4 仿真实验验证 | 第23-25页 |
| 2.4.1 PenSim仿真平台 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于KECA的多阶段发酵过程故障监测算法 | 第26-34页 |
| 3.1 引言 | 第26页 |
| 3.2 CS统计量 | 第26-27页 |
| 3.3 多阶段KECA-CS监测模型建立 | 第27-28页 |
| 3.3.1 阶段建模 | 第27-28页 |
| 3.4 仿真实验验证 | 第28-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于SV-KCD的故障诊断算法 | 第34-40页 |
| 4.1 引言 | 第34页 |
| 4.2 SV-KCD方法介绍 | 第34-37页 |
| 4.3 仿真验证 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 工业过程数据仿真应用 | 第40-47页 |
| 5.1 引言 | 第40页 |
| 5.2 大肠杆菌发酵过程简介 | 第40-41页 |
| 5.3 大肠杆菌发酵过程故障监测及诊断 | 第41-46页 |
| 5.4 本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 作者简介 | 第53页 |
