| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 间歇过程数据的特性分析 | 第12-13页 |
| 1.3 间歇过程监控方法分类 | 第13-15页 |
| 1.4 基于数据驱动的监测方法研究现状 | 第15-17页 |
| 1.4.1 针对高斯和非高斯混合分布的研究现状 | 第15-16页 |
| 1.4.2 针对自相关性的研究现状 | 第16页 |
| 1.4.3 针对多尺度性的研究现状 | 第16-17页 |
| 1.5 基于数据驱动的故障诊断方法研究现状 | 第17-18页 |
| 1.5.1 基于贡献图的研究现状 | 第17页 |
| 1.5.2 基于重构的研究现状 | 第17-18页 |
| 1.6 本文章节安排 | 第18-19页 |
| 第2章 多向独立成分分析 | 第19-42页 |
| 2.1 引言 | 第19-20页 |
| 2.2 独立成分分析 | 第20-21页 |
| 2.3 多向独立成分分析 | 第21-25页 |
| 2.3.1 三维数据处理 | 第22-23页 |
| 2.3.2 基于MICA的故障监测 | 第23-25页 |
| 2.4 改进的MICA | 第25-32页 |
| 2.4.1 单类支持向量机 | 第25-29页 |
| 2.4.2 基于改进MICA的故障监测 | 第29-32页 |
| 2.5 仿真验证与结果分析 | 第32-41页 |
| 2.5.1 青霉素发酵过程简介 | 第32-35页 |
| 2.5.2 实验设置与数据分析 | 第35-37页 |
| 2.5.3 监测结果与分析 | 第37-41页 |
| 2.6 小结 | 第41-42页 |
| 第3章 基于多尺度MICA的故障监测 | 第42-57页 |
| 3.1 引言 | 第42页 |
| 3.2 小波变换 | 第42-44页 |
| 3.2.1 小波变换的定义 | 第43页 |
| 3.2.2 多分辨率分析与Mallat算法 | 第43-44页 |
| 3.3 小波变换的多尺度性分析 | 第44-47页 |
| 3.3.1 解自相关性 | 第45-46页 |
| 3.3.2 去噪性 | 第46-47页 |
| 3.4 基于多尺度MICA的监测方法 | 第47-51页 |
| 3.4.1 传统多尺度MICA方法 | 第47-49页 |
| 3.4.2 改进多尺度MICA方法 | 第49-51页 |
| 3.5 实验验证与结果分析 | 第51-56页 |
| 3.5.1 基于SBR的实验 | 第51-54页 |
| 3.5.2 基于Pensim的实验 | 第54-56页 |
| 3.6 小结 | 第56-57页 |
| 第4章 基于质心向量的间歇过程故障诊断 | 第57-73页 |
| 4.1 引言 | 第57页 |
| 4.2 常用的基于多元统计的故障诊断方法 | 第57-59页 |
| 4.2.1 贡献图的方法 | 第57-58页 |
| 4.2.2 重构的方法 | 第58-59页 |
| 4.3 基于质心向量的故障诊断方法 | 第59-62页 |
| 4.4 基于多尺度MICA的间歇过程故障监测与诊断策略 | 第62-64页 |
| 4.5 实验验证与结果分析 | 第64-72页 |
| 4.6 小结 | 第72-73页 |
| 第5章 大肠杆菌发酵现场实验 | 第73-79页 |
| 5.1 大肠杆菌发酵过程简介 | 第73-74页 |
| 5.2 现场实验 | 第74-78页 |
| 5.2.1 监控软件简介 | 第74页 |
| 5.2.2 实验结果与分析 | 第74-78页 |
| 5.3 小结 | 第78-79页 |
| 总结与展望 | 第79-81页 |
| 总结 | 第79-80页 |
| 展望 | 第80-81页 |
| 参考 文献 | 第81-86页 |
| 攻读硕士学位期间取得的学术成果 | 第86-87页 |
| 致谢 | 第87页 |