摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第1章 绪论 | 第9-18页 |
1.1 课题来源 | 第9页 |
1.2 课题研究的目的及意义 | 第9-10页 |
1.3 国内外研究现状 | 第10-16页 |
1.3.1 多模态化工过程模态识别方法研究现状 | 第10-13页 |
1.3.2 多模态化工过程故障监测方法研究现状 | 第13-16页 |
1.4 研究内容及方案 | 第16-17页 |
1.5 技术路线图 | 第17-18页 |
第2章 自适应多模型故障监测方法研究 | 第18-32页 |
2.1 引言 | 第18页 |
2.2 自适应多模型故障监测方法基本理论 | 第18-22页 |
2.2.1 奇异值识别方法 | 第18-20页 |
2.2.2 模糊C均值聚类算法 | 第20-21页 |
2.2.3 基于主元分析的过程监控算法 | 第21-22页 |
2.3 自适应多模型故障监测方法 | 第22-25页 |
2.4 案例分析 | 第25-30页 |
2.4.1 自适应多模型故障监测方法 | 第26-28页 |
2.4.2 基于BWP聚类有效性指标的方法 | 第28-30页 |
2.4.3 小结 | 第30页 |
2.5 本章结论 | 第30-32页 |
第3章 全局寻优的非高斯多模型故障监测方法研究 | 第32-47页 |
3.1 引言 | 第32页 |
3.2 全局寻优的非高斯多模型故障监测方法基本理论 | 第32-35页 |
3.2.1 独立成分分析 | 第32-34页 |
3.2.2 粒子群算法 | 第34-35页 |
3.3 粒子群优化的独立成分分析算法 | 第35-38页 |
3.4 过渡过程特性分析 | 第38-39页 |
3.5 全局寻优的非高斯多模型故障监测方法 | 第39-42页 |
3.5.1 离线建模 | 第39-40页 |
3.5.2 在线监测 | 第40-42页 |
3.6 案例分析 | 第42-46页 |
3.6.1 全局寻优的非高斯多模型故障监测方法 | 第42-44页 |
3.6.2 FastICA算法 | 第44-45页 |
3.6.3 小结 | 第45-46页 |
3.7 本章结论 | 第46-47页 |
第4章 动态多点故障监测方法研究 | 第47-63页 |
4.1 引言 | 第47页 |
4.2 动态多点故障监测方法基本理论 | 第47-51页 |
4.2.1 AR模型 | 第47-49页 |
4.2.2 单点监测统计量 | 第49-50页 |
4.2.3 多点异常统计量 | 第50-51页 |
4.3 动态多点故障监测方法 | 第51-56页 |
4.3.1 离线建模 | 第51-53页 |
4.3.2 在线监测 | 第53-55页 |
4.3.3 方法流程图 | 第55-56页 |
4.4 案例分析 | 第56-62页 |
4.4.1 动态多点故障监测方法 | 第56-61页 |
4.4.2 基于非高斯模型的3σ法 | 第61页 |
4.4.3 小结 | 第61-62页 |
4.5 本章结论 | 第62-63页 |
第5章 结论与展望 | 第63-65页 |
5.1 结论 | 第63-64页 |
5.2 展望 | 第64-65页 |
参考文献 | 第65-70页 |
附录A 硕士期间的科研成果 | 第70-71页 |
致谢 | 第71页 |