| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 引言 | 第13页 |
| 1.2 多时段间歇过程特性 | 第13-15页 |
| 1.2.1 多时段间歇过程的过程特性 | 第14页 |
| 1.2.2 多时段间歇过程测量数据特征 | 第14-15页 |
| 1.3 间歇过程时段划分方法研究现状 | 第15-20页 |
| 1.3.1 基于聚类分析的时段划分方法 | 第16-17页 |
| 1.3.2 基于模型识别的时段划分方法 | 第17-20页 |
| 1.4 研究意义和主要研究内容 | 第20-23页 |
| 1.4.1 研究意义 | 第20页 |
| 1.4.2 主要研究内容 | 第20-23页 |
| 第二章 基于PARAFAC2的间歇过程时段划分方法原理 | 第23-37页 |
| 2.1 引言 | 第23页 |
| 2.2 PARAFAC2方法 | 第23-27页 |
| 2.2.1 PARAFAC2建模原理 | 第23-24页 |
| 2.2.2 PARAFAC2模型统计量 | 第24-25页 |
| 2.2.3 核密度估计控制限 | 第25-27页 |
| 2.3 基于PARAFAC2的间歇过程时段划分方法原理 | 第27-34页 |
| 2.3.1 间歇过程三维数据集构造 | 第27-28页 |
| 2.3.2 时间片和时间块PARAFAC2建模 | 第28-31页 |
| 2.3.3 PARAFAC2模型控制限识别 | 第31-32页 |
| 2.3.4 时段划分结果的最优判定 | 第32-33页 |
| 2.3.5 基于PARAFAC2的间歇过程时段划分方法 | 第33-34页 |
| 2.4 本章小结 | 第34-37页 |
| 第三章 基于PARAFAC2的间歇过程时段划分算法及实现 | 第37-45页 |
| 3.1 引言 | 第37页 |
| 3.2 基于PARAFAC2的多时段间歇过程时段划分算法整体框架 | 第37-38页 |
| 3.3 基于PARAFAC2的间歇过程时段划分算法实现 | 第38-42页 |
| 3.3.1 间歇过程三维数据集构造的实现 | 第38-39页 |
| 3.3.2 时间片和时间块PARAFAC2建模的实现 | 第39-40页 |
| 3.3.3 PARAFAC2模型控制限识别的实现 | 第40-41页 |
| 3.3.4 时段划分结果最优判定的实现 | 第41-42页 |
| 3.4 基于PARAFAC2的间歇过程时段划分算法整体实现 | 第42-43页 |
| 3.5 小结 | 第43-45页 |
| 第四章 实验与分析 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 青霉素发酵数据平台 | 第45页 |
| 4.3 基于PARAFAC2的间歇过程时段划分方法实验验证 | 第45-53页 |
| 4.3.1 基于PARAFAC2的间歇过程时段划分方法实验 | 第45-49页 |
| 4.3.2 时段划分指标对比验证 | 第49-51页 |
| 4.3.3 间歇过程在线故障检测效果对比验证 | 第51-53页 |
| 4.4 结论 | 第53-55页 |
| 第五章 结论与展望 | 第55-57页 |
| 5.1 结论 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 研究成果及发表的学术论文 | 第63-65页 |
| 作者和导师简介 | 第65-67页 |
| 附表 | 第67-68页 |
