| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景及意义 | 第9-10页 |
| ·多变量统计过程监测的发展概况 | 第10-13页 |
| ·多变量统计过程监测概述 | 第10-11页 |
| ·过程监测的基本概念 | 第11-13页 |
| ·间歇生产过程故障检测的研究现状 | 第13-16页 |
| ·间歇生产过程概述 | 第13-14页 |
| ·间歇生产过程故障检测的研究现状 | 第14-15页 |
| ·SVM提出的背景 | 第15-16页 |
| ·本文的研究内容 | 第16-17页 |
| 第2章 SVW理论概述 | 第17-29页 |
| ·统计学理论 | 第17-19页 |
| ·SVM回归原理 | 第19-24页 |
| ·SVM训练算法 | 第19-21页 |
| ·ε-SVR算法 | 第21-24页 |
| ·SVM的参数 | 第24-27页 |
| ·核函数 | 第24-26页 |
| ·损失函数 | 第26页 |
| ·惩罚因子C和精度ε | 第26-27页 |
| ·SVM方法优点 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于SVM的间歇过程监测方法研究 | 第29-43页 |
| ·统计过程控制研究中存在问题 | 第29-30页 |
| ·非线性过程统计监测算法 | 第30-32页 |
| ·基于神经网络的非线性PCA算法 | 第30-31页 |
| ·基于核学习算法 | 第31-32页 |
| ·基于SVM的间歇过程建模的基础 | 第32-34页 |
| ·基于SVM的间歇过程监测方法 | 第34-42页 |
| ·间歇过程输入输出变量的确定 | 第34-35页 |
| ·SVM参数的确定 | 第35-39页 |
| ·基于SVM的间歇过程建模方法 | 第39页 |
| ·基于SVM的间歇过程监测方法 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于SVM的青霉素发酵过程监测 | 第43-61页 |
| ·青霉素发酵 | 第43-47页 |
| ·青霉素简介 | 第43-44页 |
| ·青霉素发酵过程 | 第44-46页 |
| ·青霉素发酵过程变量及特点分析 | 第46-47页 |
| ·基于SVM的青霉素发酵过程模型建立 | 第47-55页 |
| ·Pensim软件产生的发酵过程中的建模数据 | 第47-49页 |
| ·SVM子模型输入输出的确定以及青霉素发酵过程分段原则 | 第49-50页 |
| ·SVM子模型的建立及仿真分析 | 第50-55页 |
| ·基于SVM模型的故障检测 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| ·论文总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |