| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究的目的和意义 | 第10-11页 |
| ·建模方法研究现状 | 第11-15页 |
| ·基于机理的建模方法 | 第11页 |
| ·基于人工智能的建模方法 | 第11-12页 |
| ·基于过程数据的建模方法 | 第12-15页 |
| ·过程监测与异常变量追溯方法研究现状 | 第15-16页 |
| ·论文内容安排 | 第16-18页 |
| 第2章 基于PLS的过程监测及异常变量追溯方法 | 第18-32页 |
| ·引言 | 第18页 |
| ·偏最小二乘(PLS)算法 | 第18-23页 |
| ·数据预处理 | 第18-20页 |
| ·PLS算法基本原理 | 第20-23页 |
| ·多向偏最小二乘(MPLS)算法 | 第23-26页 |
| ·数据预处理 | 第24-25页 |
| ·MPLS算法基本原理 | 第25-26页 |
| ·基于PLS的过程监测 | 第26-29页 |
| ·统计量控制限的确定 | 第26-29页 |
| ·在线统计量的计算 | 第29页 |
| ·基于PLS的异常变量追溯 | 第29-30页 |
| ·离线贡献的确定 | 第30页 |
| ·在线贡献的计算 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第3章 基于窗口均值OPLS的质量预测方法研究 | 第32-58页 |
| ·引言 | 第32页 |
| ·正交信号校正基本理论 | 第32-35页 |
| ·OSC算法基本思想 | 第32页 |
| ·几种典型的OSC算法 | 第32-35页 |
| ·改进的OSC算法 | 第35-36页 |
| ·改进的OPLS算法实现 | 第36-37页 |
| ·基于窗口均值OPLS的质量预测算法 | 第37-42页 |
| ·窗口均值OPLS数据预处理 | 第38-40页 |
| ·离线预测模型的建立 | 第40-41页 |
| ·在线应用 | 第41-42页 |
| ·基于窗口均值OPLS的连退机组带钢质量预测 | 第42-56页 |
| ·辅助变量选择 | 第42-46页 |
| ·模型结构选择 | 第46-47页 |
| ·仿真研究 | 第47-56页 |
| ·本章小结 | 第56-58页 |
| 第4章 基于窗口均值OPLS的过程监测及异常变量追溯 | 第58-70页 |
| ·引言 | 第58页 |
| ·过程监测及异常变量追溯的基本框架 | 第58-59页 |
| ·基于窗口均值OPLS的过程监测 | 第59-60页 |
| ·过程监测模型的建立 | 第59-60页 |
| ·在线监测 | 第60页 |
| ·基于窗口均值OPLS的异常变量追溯 | 第60-63页 |
| ·异常变量追溯模型的建立 | 第60-61页 |
| ·在线异常变量追溯 | 第61-63页 |
| ·仿真测试分析 | 第63-69页 |
| ·连退机组正常状况测试分析 | 第63-65页 |
| ·连退机组异常状况测试分析 | 第65-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 结论与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |