| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-21页 |
| ·引言 | 第9-10页 |
| ·基本概念 | 第10页 |
| ·故障 | 第10页 |
| ·故障诊断的任务 | 第10页 |
| ·故障诊断方法分类 | 第10-13页 |
| ·基于解析模型的方法 | 第11-12页 |
| ·基于定性知识的方法 | 第12页 |
| ·基于数据驱动的方法 | 第12-13页 |
| ·主元分析方法 | 第13-18页 |
| ·主元分析方法(PCA) | 第13-14页 |
| ·算法描述 | 第14-15页 |
| ·主元子空间和残差子空间 | 第15-16页 |
| ·基于PCA方法的故障检测 | 第16-17页 |
| ·主元个数选择 | 第17-18页 |
| ·目前存在的问题 | 第18-20页 |
| ·数据及方法的问题 | 第18-19页 |
| ·非高斯问题 | 第19页 |
| ·动态时变问题 | 第19-20页 |
| ·全文主要内容和安排 | 第20-21页 |
| 第2章 间歇过程数据特点及统计建模方法 | 第21-30页 |
| ·间歇过程 | 第21页 |
| ·基于多元统计方法的间歇过程监控 | 第21-24页 |
| ·间歇过程的数据特征 | 第21-22页 |
| ·三维数据的展开和标准化 | 第22-24页 |
| ·基于多元统计的间歇过程监控方法 | 第24页 |
| ·基于三维矩阵展开的监控方法 | 第24-29页 |
| ·MPCA方法 | 第24-25页 |
| ·MPCA方法的局限和不足 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于K-means聚类的多阶段间歇过程聚类方法 | 第30-43页 |
| ·算法思路 | 第30页 |
| ·k-均值聚类方法 | 第30-31页 |
| ·聚类方法处理数据时的三个要点 | 第30-31页 |
| ·k-means算法的优缺点 | 第31页 |
| ·基于聚类方法的多阶段间歇过程监控方法 | 第31-33页 |
| ·聚类的实现 | 第31-32页 |
| ·模型个数的选择策略 | 第32-33页 |
| ·建立PCA模型 | 第33页 |
| ·监控模型的选择策略 | 第33-34页 |
| ·青霉素发酵过程仿真应用研究 | 第34-41页 |
| ·仿真平台简介 | 第35页 |
| ·基于MPCA和KM-PCA的离线分析 | 第35-37页 |
| ·监控结果比较与分析 | 第37-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 基于“即时学习”策略改进的间歇过程监控方法 | 第43-59页 |
| ·引言 | 第43页 |
| ·基于JITL的局部建模策略 | 第43-45页 |
| ·针对间歇过程的JITL改进方法 | 第45-49页 |
| ·基于移动窗策略的JITL方法 | 第45-46页 |
| ·移动窗宽度和局部样本数量的选择 | 第46-47页 |
| ·局部建模策略优势分析 | 第47-49页 |
| ·基于JITL-PCA的在线监控 | 第49-50页 |
| ·半导体过程仿真 | 第50-55页 |
| ·青霉素过程仿真 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-61页 |
| ·研究工作总结 | 第59页 |
| ·研究工作展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 作者在攻读硕士学位期间取得的学术成果 | 第68页 |