基于混合PCA模型的多工况过程统计监测研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第10-24页 |
| ·引言 | 第10-11页 |
| ·过程监测的研究方法 | 第11-14页 |
| ·基于定量数学模型的方法 | 第11-12页 |
| ·基于知识的方法 | 第12-13页 |
| ·基于数据驱动的方法 | 第13-14页 |
| ·统计过程监测的发展历程 | 第14-19页 |
| ·单变量统计过程监测 | 第14页 |
| ·多变量统计过程监测 | 第14-15页 |
| ·基于PCA的过程监测方法 | 第15-18页 |
| ·多变量统计过程监测方法存在的问题 | 第18-19页 |
| ·多工况统计过程监测的研究现状 | 第19-21页 |
| ·本文的研究内容和组织结构 | 第21-24页 |
| ·研究内容 | 第21页 |
| ·组织结构 | 第21-24页 |
| 第2章 基于混合PCA模型的多工况过程监测 | 第24-38页 |
| ·引言 | 第24页 |
| ·高斯混合模型 | 第24-27页 |
| ·单一高斯概率密度函数 | 第24-25页 |
| ·高斯混合密度函数 | 第25-27页 |
| ·EM算法 | 第27-29页 |
| ·极大似然估计方法 | 第27-28页 |
| ·针对GMM的EM算法 | 第28-29页 |
| ·基于高斯混合模型的监测方法 | 第29-32页 |
| ·混合PCA模型 | 第32-34页 |
| ·基于混合PCA模型的监测方法 | 第34-36页 |
| ·针对混合PCA模型的EM算法 | 第34-35页 |
| ·监控统计量的选取 | 第35-36页 |
| ·小结 | 第36-38页 |
| 第3章 混合模型分量数目估计方法比较研究 | 第38-44页 |
| ·引言 | 第38-39页 |
| ·F-J算法 | 第39-40页 |
| ·贝叶斯阴阳算法 | 第40-41页 |
| ·算法比较研究 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第4章 CSTH过程和TE过程仿真研究 | 第44-60页 |
| ·引言 | 第44页 |
| ·CSTH过程仿真研究 | 第44-49页 |
| ·CSTH过程简介 | 第44-45页 |
| ·CSTH过程仿真 | 第45-47页 |
| ·CSTH过程仿真结果分析 | 第47-49页 |
| ·TE过程仿真研究 | 第49-58页 |
| ·TE过程简介 | 第49-52页 |
| ·TE过程仿真 | 第52-55页 |
| ·TE过程仿真结果分析 | 第55-58页 |
| ·小结 | 第58-60页 |
| 第5章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间取得的科研成果 | 第68-69页 |
| 作者简介 | 第69页 |
