| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 过程监测发展及研究现状 | 第11-12页 |
| 1.2.1 过程监测的研究内容 | 第11页 |
| 1.2.2 过程监测的基本方法 | 第11-12页 |
| 1.3 间歇过程监测的研究现状 | 第12-14页 |
| 1.3.1 基于MPCA/MPLS的间歇过程监测的研究现状 | 第12-14页 |
| 1.3.2 基于GMM的间歇过程监测的研究现状 | 第14页 |
| 1.4 本文结构和主要内容 | 第14-16页 |
| 第2章 基于GMM的间歇过程监测方法 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 间歇过程特性分析 | 第16-20页 |
| 2.2.1 间歇过程的数据特征 | 第16页 |
| 2.2.2 间歇过程的多时段特性 | 第16-17页 |
| 2.2.3 间歇过程的不等长特性 | 第17-18页 |
| 2.2.4 间歇过程的预处理方法 | 第18-20页 |
| 2.3 高斯模型 | 第20-21页 |
| 2.3.1 单一高斯模型 | 第20页 |
| 2.3.2 高斯混合模型 | 第20-21页 |
| 2.4 高斯混合模型的参数估计方法 | 第21-25页 |
| 2.4.1 基于K-means聚类算法的初始参数设定 | 第21-22页 |
| 2.4.2 EM算法 | 第22-23页 |
| 2.4.3 F-J算法 | 第23-25页 |
| 2.5 基于GMM的间歇过程监测方法 | 第25-28页 |
| 2.5.1 基于GMM的时段划分方法 | 第25页 |
| 2.5.2 在线监测指标的确定 | 第25-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 基于GSM的步进有序时段划分及基于GSM-GMM的过程监测建模 | 第30-42页 |
| 3.1 引言 | 第30页 |
| 3.2 数据预处理方法 | 第30-31页 |
| 3.3 时段划分方法 | 第31-37页 |
| 3.3.1 基本思想 | 第31-32页 |
| 3.3.2 基于GSM的步进有序时段划分方法 | 第32-37页 |
| 3.4 稳定时段和过渡时段的建模 | 第37-39页 |
| 3.5 统计量及控制限的确定 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 基于GSM-GMM的在线过程监测 | 第42-56页 |
| 4.1 引言 | 第42页 |
| 4.2 在线过程监测方法 | 第42-44页 |
| 4.2.1 在线时段识别算法 | 第42-43页 |
| 4.2.2 在线过程监测算法 | 第43-44页 |
| 4.3 青霉素发酵过程的仿真研究 | 第44-53页 |
| 4.3.1 仿真平台简介 | 第45-46页 |
| 4.3.2 实验设计和建模数据 | 第46-47页 |
| 4.3.3 算法验证及讨论 | 第47-53页 |
| 4.4 本章小结 | 第53-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64页 |
