| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-30页 |
| ·引言 | 第13页 |
| ·过程监控的主要内容及方法 | 第13-16页 |
| ·多变量统计过程监控的研究内容、方法和现状 | 第16-27页 |
| ·数据预处理 | 第17-18页 |
| ·基于PCA和PLS的监控方法 | 第18-23页 |
| ·其他监控方法 | 第23-24页 |
| ·故障诊断方法 | 第24-27页 |
| ·本文主要研究内容和创新点 | 第27-28页 |
| ·研究内容 | 第27页 |
| ·创新点 | 第27-28页 |
| ·本文结构安排 | 第28-30页 |
| 第二章 基于可变移动窗PCA的自适应过程监控 | 第30-54页 |
| ·引言 | 第30页 |
| ·基于PCA的统计过程监控 | 第30-34页 |
| ·PCA基本原理 | 第31-32页 |
| ·确定主元数目 | 第32-33页 |
| ·监控统计量：Hotelling’s T2和SPE | 第33-34页 |
| ·自适应过程监控方法 | 第34-36页 |
| ·基于VMWPCA的自适应过程监控 | 第36-44页 |
| ·更新协方差矩阵 | 第36-38页 |
| ·更新PCA特征子空间 | 第38-40页 |
| ·监控统计量的递归更新 | 第40-41页 |
| ·可变移动窗策略 | 第41-43页 |
| ·自适应监控步骤 | 第43-44页 |
| ·示意性仿真研究 | 第44-49页 |
| ·变化移动窗参数选择指导 | 第44-46页 |
| ·监控结果 | 第46-49页 |
| ·连续反应釜自适应过程监控 | 第49-53页 |
| ·过程描述 | 第49-50页 |
| ·监控结果 | 第50-53页 |
| ·进一步讨论 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第三章 基于可变移动窗KPCA的非线性自适应过程监控 | 第54-70页 |
| ·引言 | 第54-55页 |
| ·核方法基础 | 第55-57页 |
| ·核方法的基本思想 | 第55-57页 |
| ·常用核函数 | 第57页 |
| ·核方法的发展 | 第57页 |
| ·基于KPCA的非线性过程监控 | 第57-61页 |
| ·KPCA基本原理 | 第58-60页 |
| ·监控统计量 | 第60-61页 |
| ·基于KPCA的过程监控步骤 | 第61页 |
| ·基于可变移动窗KPCA的非线性自适应过程监控 | 第61-66页 |
| ·移动窗KPCA监控模型的递归更新 | 第62-65页 |
| ·特征空间变化移动窗策略 | 第65-66页 |
| ·仿真研究 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第四章 基于变量加权FDA的过程故障诊断 | 第70-90页 |
| ·引言 | 第70-71页 |
| ·Fisher判别分析 | 第71-74页 |
| ·FDA基本原理 | 第71-73页 |
| ·FDA与PCA的比较 | 第73-74页 |
| ·基于VW-FDA的故障诊断 | 第74-79页 |
| ·基于偏F值和CPV的变量加权 | 第74-77页 |
| ·VW-FDA | 第77-79页 |
| ·TEP故障诊断应用 | 第79-89页 |
| ·TEP简介 | 第79-82页 |
| ·仿真数据描述 | 第82页 |
| ·仿真结果分析 | 第82-89页 |
| ·进一步讨论 | 第89页 |
| ·本章小结 | 第89-90页 |
| 第五章 基于变量加权KFDA的非线性过程故障诊断 | 第90-102页 |
| ·引言 | 第90-91页 |
| ·KFDA的基本原理 | 第91-92页 |
| ·基于VW-KFDA的非线性故障诊断 | 第92-96页 |
| ·基于核目标对齐的非线性变量加权 | 第93-95页 |
| ·VW-KFDA | 第95-96页 |
| ·TEP非线性故障诊断应用 | 第96-101页 |
| ·仿真数据描述 | 第96-97页 |
| ·仿真结果分析 | 第97-101页 |
| ·本章小结 | 第101-102页 |
| 第六章 总结与展望 | 第102-105页 |
| ·研究工作总结 | 第102-103页 |
| ·研究展望 | 第103-105页 |
| 参考文献 | 第105-122页 |
| 附录A | 第122-123页 |
| 致谢 | 第123-124页 |
| 攻读博士学位期间发表的论文及参与的科研工作 | 第124-126页 |