| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 多元统计过程监控 | 第12-15页 |
| 1.2.1 过程监控技术概述 | 第12-13页 |
| 1.2.2 过程监控方法分类 | 第13-15页 |
| 1.3 多元统计模型的间歇过程监测方法现状 | 第15-22页 |
| 1.3.1 间歇过程特点 | 第16-17页 |
| 1.3.2 间歇过程的数据特征 | 第17-19页 |
| 1.3.3 间歇过程监测方法现状 | 第19-22页 |
| 1.4 本文主要工作 | 第22-25页 |
| 第2章 动态核主元分析 | 第25-39页 |
| 2.1 主元分析(PCA) | 第25-30页 |
| 2.1.1 主元分析的数学模型 | 第25-28页 |
| 2.1.2 主元个数的确定 | 第28-29页 |
| 2.1.3 主元分析的统计量 | 第29-30页 |
| 2.2 核主元分析(KPCA) | 第30-36页 |
| 2.2.1 核函数的构成条件及性质 | 第30-31页 |
| 2.2.2 几种常见的核函数 | 第31页 |
| 2.2.3 核主元分析(KPCA) | 第31-33页 |
| 2.2.4 混合核函数的构造及其参数的确定 | 第33-36页 |
| 2.3 动态主元分析(DPCA) | 第36-38页 |
| 2.3.1 时滞变量d的确定 | 第36-37页 |
| 2.3.2 DPCA模型的建立 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第3章 基于粒子群优化的混合核函数间歇过程统计建模和监测 | 第39-53页 |
| 3.1 数据预处理 | 第39-41页 |
| 3.1.1 异常点剔除 | 第39页 |
| 3.1.2 降噪 | 第39-40页 |
| 3.1.3 数据标准化处理 | 第40-41页 |
| 3.2 混合核主元分析优化指标 | 第41-44页 |
| 3.2.1 DKPCA模型的建立 | 第41-42页 |
| 3.2.2 SPE统计量服从Χ~2分布 | 第42-44页 |
| 3.3 基于粒子群算法的核参数寻优 | 第44-48页 |
| 3.3.1 粒子群优化算法 | 第44-46页 |
| 3.3.2 粒子群算法的基本流程 | 第46页 |
| 3.3.3 基于粒子群算法的核参数寻优 | 第46-48页 |
| 3.4 间歇过程统计建模和监测 | 第48-51页 |
| 3.4.1 主元分析的故障诊断流程 | 第48-49页 |
| 3.4.2 仿真实验 | 第49-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 青霉素发酵过程的统计建模和监测 | 第53-65页 |
| 4.1 青霉素发酵 | 第53-57页 |
| 4.1.1 青霉素发酵过程简介 | 第53-56页 |
| 4.1.2 青霉素发酵的四个生理阶段 | 第56-57页 |
| 4.1.3 Pensim故障模拟 | 第57页 |
| 4.2 青霉素发酵过程统计建模 | 第57-62页 |
| 4.2.1 建模数据的产生 | 第57-59页 |
| 4.2.2 离线建模 | 第59-60页 |
| 4.2.3 算法改进 | 第60-62页 |
| 4.3 青霉素发酵过程在线监测 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |