| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 模型校正研究的现状 | 第12-14页 |
| 1.3 统计建模方法研究的现状 | 第14-18页 |
| 1.3.1 基于统计分析的方法 | 第14-17页 |
| 1.3.2 基于统计学习理论的方法 | 第17-18页 |
| 1.4 论文主要工作 | 第18-21页 |
| 第2章 过程建模与模型校正方法 | 第21-35页 |
| 2.1 工业过程建模方法 | 第21-26页 |
| 2.1.1 机理建模 | 第21-22页 |
| 2.1.2 数据建模 | 第22-25页 |
| 2.1.3 混合建模 | 第25-26页 |
| 2.2 影响模型性能的主要因素 | 第26-28页 |
| 2.2.1 建模方法的选择 | 第26页 |
| 2.2.2 辅助变量的选择 | 第26-27页 |
| 2.2.3 数据的预处理 | 第27-28页 |
| 2.2.4 工况的变化 | 第28页 |
| 2.3 常见模型校正方法 | 第28-33页 |
| 2.3.1 模型输出校正 | 第29-30页 |
| 2.3.2 模型参数校正 | 第30-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 基于主成分分析的模型监控方法 | 第35-67页 |
| 3.1 基于数据驱动的模型监控方法 | 第35-38页 |
| 3.2 主成分分析法的基本原理 | 第38-44页 |
| 3.2.1 主成分分析法的几何意义 | 第38-40页 |
| 3.2.2 数学描述及推导 | 第40-43页 |
| 3.2.3 主成分分析的计算步骤 | 第43-44页 |
| 3.3 基于递推偏最小二乘算法的建模 | 第44-51页 |
| 3.3.1 偏最小二乘算法(PLS)原理及建模流程 | 第45-49页 |
| 3.3.2 递推偏最小二乘算法(RPLS)原理及建模流程 | 第49-51页 |
| 3.4 监控模型参数的确定 | 第51-54页 |
| 3.4.1 主成分个数选择 | 第51页 |
| 3.4.2 T~2统计量 | 第51-52页 |
| 3.4.3 SPE统计量 | 第52-53页 |
| 3.4.4 组合监控指标 | 第53-54页 |
| 3.5 仿真研究 | 第54-66页 |
| 3.5.1 TE过程简介 | 第54-57页 |
| 3.5.2 仿真过程与结果分析 | 第57-66页 |
| 3.6 本章小结 | 第66-67页 |
| 第4章 基于PCA及改进RPLS算法的模型校正方法研究 | 第67-77页 |
| 4.1 块式递推偏最小二乘算法(Block-wise RPLS) | 第67-68页 |
| 4.2 基于组合监控指标的遗忘因子-滑窗块式RPLS算法 | 第68-72页 |
| 4.2.1 算法基本思想 | 第68-69页 |
| 4.2.2 数学描述及推导 | 第69-70页 |
| 4.2.3 参数选择 | 第70-71页 |
| 4.2.4 建模流程 | 第71-72页 |
| 4.3 模型在线校正策略 | 第72页 |
| 4.4 仿真研究 | 第72-75页 |
| 4.5 本章小结 | 第75-77页 |
| 第5章 结论与展望 | 第77-79页 |
| 5.1 结论 | 第77-78页 |
| 5.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83页 |
