| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 过程监测与故障诊断概述 | 第10-13页 |
| 1.3 基于数据驱动的过程监测及故障诊断方法的应用概述 | 第13-14页 |
| 1.3.1 主元分析与核主元分析方法 | 第13-14页 |
| 1.3.2 核熵成分分析方法 | 第14页 |
| 1.4 田纳西—伊斯曼过程 | 第14-17页 |
| 1.5 论文主要研究内容 | 第17-18页 |
| 第2章 KPCA与KECA理论 | 第18-30页 |
| 2.1 主成分分析 | 第18-19页 |
| 2.2 核方法 | 第19-20页 |
| 2.2.1 常用核函数 | 第19页 |
| 2.2.2 核函数应用特点 | 第19-20页 |
| 2.3 KPCA基本原理 | 第20-23页 |
| 2.3.1 KPCA监控统计量 | 第21-22页 |
| 2.3.2 KPCA故障识别 | 第22-23页 |
| 2.4 KECA相关理论 | 第23-27页 |
| 2.4.1 Renyi熵 | 第24-26页 |
| 2.4.2 KECA数据变换原理 | 第26-27页 |
| 2.5 KECA和KPCA的差异性分析 | 第27-29页 |
| 2.6 小结 | 第29-30页 |
| 第3章 基于KECA与WT-KECA的故障诊断 | 第30-48页 |
| 3.1 TE过程数据的分布分析 | 第30-31页 |
| 3.2 KECA故障诊断应用的相关问题 | 第31-33页 |
| 3.3 基于KECA的过程监控与故障诊断及仿真 | 第33-38页 |
| 3.4 基于核尺寸参数对故障检出率影响的鲁棒性分析 | 第38页 |
| 3.5 基于小波去噪的KECA方法 | 第38-46页 |
| 3.5.1 小波去噪原理 | 第39-41页 |
| 3.5.2 小波去噪的实现 | 第41-43页 |
| 3.5.3 仿真研究 | 第43-46页 |
| 3.6 小结 | 第46-48页 |
| 第4章 基于核熵主元空间相似度的故障诊断 | 第48-58页 |
| 4.1 KECA核熵主元空间 | 第50-51页 |
| 4.2 KECA核熵主元空间相似度 | 第51-52页 |
| 4.3 基于核熵主元空间相似度的故障诊断及仿真 | 第52-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于子系统的KECA联合故障监测研究 | 第58-68页 |
| 5.1 基于FPBS的系统划分策略 | 第58-61页 |
| 5.2 基于KECA的TE过程子系统联合故障监测 | 第61-62页 |
| 5.3 仿真试验 | 第62-65页 |
| 5.4 基于子系统的KECA联合故障监测方法的优势分析 | 第65页 |
| 5.5 小结 | 第65-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 附录 | 第76-79页 |
