| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第19-35页 |
| 摘要 | 第19页 |
| 1.1 课题背景和研究意义 | 第19-21页 |
| 1.2 故障诊断和质量监测概述 | 第21-24页 |
| 1.3 本课题研究现状及发展动态分析 | 第24-31页 |
| 1.3.1 基于PCA的过程监测 | 第24-28页 |
| 1.3.2 基于PLS的质量监测 | 第28-30页 |
| 1.3.3 基于多元统计分析的故障诊断 | 第30-31页 |
| 1.3.4 结合解析模型的多元统计分析方法 | 第31页 |
| 1.4 论文的主要贡献和章节安排 | 第31-34页 |
| 1.5 本章小结 | 第34-35页 |
| 第二章 一种确定相对主元分析中比重因子的方法 | 第35-51页 |
| 摘要 | 第35页 |
| 2.1 引言 | 第35-36页 |
| 2.2 主元分析(PCA)、相对主元分析(RPCA)和偏最小二乘(PLS) | 第36-40页 |
| 2.2.1 主元分析(PCA) | 第36-38页 |
| 2.2.2 相对主元分析(RPCA) | 第38-39页 |
| 2.2.3 偏最小二乘(PLS) | 第39-40页 |
| 2.3 一种确定比重因子的方法 | 第40-47页 |
| 2.3.1 基于PCA的故障检测 | 第40-42页 |
| 2.3.2 比重因子的设计 | 第42-47页 |
| 2.4 Tennessee Eastman过程案例研究 | 第47-49页 |
| 2.5 结论 | 第49-51页 |
| 第三章 多空间分解方法及其在微小故障诊断中的应用 | 第51-69页 |
| 摘要 | 第51页 |
| 3.1 引言 | 第51-52页 |
| 3.2 子空间分解对PCA故障检测能力的影响分析 | 第52-56页 |
| 3.3 基于PCA的多空间故障检测方法 | 第56-57页 |
| 3.4 基于PCA的多空间故障诊断方法 | 第57-62页 |
| 3.5 仿真 | 第62-66页 |
| 3.5.1 数值例子 | 第62-64页 |
| 3.5.2 TE过程 | 第64-66页 |
| 3.6 本章小结 | 第66-69页 |
| 第四章 多模态过程的故障检测方法研究 | 第69-97页 |
| 摘要 | 第69页 |
| 4.1 引言 | 第69-70页 |
| 4.2 基于多PCA模型的故障检测方法 | 第70-73页 |
| 4.3 基于信息增量的时段自动划分及批次过程监测 | 第73-82页 |
| 4.3.1 信息增量 | 第73页 |
| 4.3.2 基于时间片信息增量的模态划分 | 第73-76页 |
| 4.3.3 基于局部数据信息增量的在线监测与故障诊断 | 第76-79页 |
| 4.3.4 青霉素发酵过程中的应用研究 | 第79-82页 |
| 4.4 多模态数据联合故障检测方法 | 第82-95页 |
| 4.4.1 问题描述 | 第82-84页 |
| 4.4.2 联合量纲标准化因子 | 第84-85页 |
| 4.4.3 统一投影空间 | 第85-89页 |
| 4.4.4 统一控制限 | 第89-90页 |
| 4.4.5 联合主元分析 | 第90-92页 |
| 4.4.6 多模态故障检测过程 | 第92页 |
| 4.4.7 仿真研究 | 第92-95页 |
| 4.5 本章小结 | 第95-97页 |
| 第五章 直接潜变量空间投影方法及其在过程监控上的应用 | 第97-121页 |
| 摘要 | 第97页 |
| 5.1 引言 | 第97-99页 |
| 5.2 T-PLS及其几何解释 | 第99-103页 |
| 5.3 直接的潜变量空间分解方法 | 第103-113页 |
| 5.3.1 第一种直接潜变量空间分解方法 | 第104-107页 |
| 5.3.2 第二种直接潜变量空间分解方法 | 第107-108页 |
| 5.3.3 仿真研究 | 第108-113页 |
| 5.4 基于核质量潜结构投影的非线性过程质量监测方法 | 第113-119页 |
| 5.4.1 KPLS建模 | 第114-115页 |
| 5.4.2 质量变量的分解及监测 | 第115-117页 |
| 5.4.3 TE过程案例研究 | 第117-119页 |
| 5.5 本章小结 | 第119-121页 |
| 第六章 非均匀采样数据驱动的快速率残差产生器直接设计方法 | 第121-133页 |
| 摘要 | 第121页 |
| 6.1 引言 | 第121-122页 |
| 6.2 预备知识和问题描述 | 第122-127页 |
| 6.2.1 非均匀采样模型 | 第122-126页 |
| 6.2.2 等价空间方法 | 第126-127页 |
| 6.2.3 问题描述 | 第127页 |
| 6.3 主要结论 | 第127-131页 |
| 6.3.1 辨识α~⊥_(f-1)和α~⊥_(f-1)H_(f-1,u) | 第127-129页 |
| 6.3.2 快速率残差信号的实现 | 第129-130页 |
| 6.3.3 等价矩阵的降维 | 第130-131页 |
| 6.4 仿真 | 第131-132页 |
| 6.5 本章小结 | 第132-133页 |
| 第七章 总结和展望 | 第133-137页 |
| 摘要 | 第133页 |
| 7.1 研究工作总结 | 第133-134页 |
| 7.2 挑战与展望 | 第134-137页 |
| 参考文献 | 第137-147页 |
| 作者在攻读博士学位期间的科研成果 | 第147-148页 |
