多工况过程监控中的概率主元分析方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 引言 | 第9-10页 |
| 1.2 过程监控概述 | 第10-11页 |
| 1.2.1 过程监控的对象 | 第10-11页 |
| 1.2.2 过程监控的步骤 | 第11页 |
| 1.3 过程监控的方法 | 第11-15页 |
| 1.3.1 基于定量模型的方法 | 第11-12页 |
| 1.3.2 基于知识的方法 | 第12-14页 |
| 1.3.3 基于数据驱动的方法 | 第14-15页 |
| 1.4 统计过程监控的研究现状 | 第15-16页 |
| 1.4.1 单变量统计过程监控 | 第15页 |
| 1.4.2 多变量统计过程监控 | 第15-16页 |
| 1.5 工业过程监控分类 | 第16-18页 |
| 1.5.1 多工况过程监控 | 第16-18页 |
| 1.5.2 多阶段过程监控 | 第18页 |
| 1.5.3 非线性过程监控 | 第18页 |
| 1.5.4 间歇过程监控 | 第18页 |
| 1.6 本文的结构 | 第18-20页 |
| 第2章 概率主元分析方法 | 第20-35页 |
| 2.1 基于主元分析的统计过程监控 | 第20-23页 |
| 2.1.1 主元分析算法 | 第20-21页 |
| 2.1.2 主元个数的确定 | 第21-23页 |
| 2.2 概率主成分分析模型 | 第23-30页 |
| 2.2.1 模型描述 | 第23-25页 |
| 2.2.2 PPCA的EM算法 | 第25-29页 |
| 2.2.3 PPCA的监控方法 | 第29-30页 |
| 2.3 混合主元分析模型 | 第30-33页 |
| 2.3.1 混合主元分析模型描述 | 第30-32页 |
| 2.3.2 MPPCA的EM算法 | 第32-33页 |
| 2.4 本章小节 | 第33-35页 |
| 第3章 基于变分贝叶斯方法的MPPCA模型估计 | 第35-47页 |
| 3.1 变分贝叶斯方法概述 | 第35-36页 |
| 3.2 变分贝叶斯理论 | 第36-39页 |
| 3.2.1 变分贝叶斯学习规律 | 第36-38页 |
| 3.2.2 平均场理论 | 第38-39页 |
| 3.3 变分贝叶斯方法估计MPPCA模型 | 第39-45页 |
| 3.3.1 MPPCA模型的先验分布 | 第40-42页 |
| 3.3.2 变分贝叶斯估计过程 | 第42-45页 |
| 3.4 变分贝叶斯建模方法的应用 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 MPPCA模型在TE过程中的应用 | 第47-58页 |
| 4.1 MPPCA模型的监控方法概述 | 第47页 |
| 4.2 贝叶斯推断 | 第47-48页 |
| 4.3 MPPCA方法用于监控多工况过程 | 第48-53页 |
| 4.3.1 TE过程 | 第48-50页 |
| 4.3.2 TE过程变量与故障 | 第50-53页 |
| 4.4 MPPCA方法在TE过程中的应用 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 MPPCA模型在CSTR过程中的应用 | 第58-64页 |
| 5.1 CSTR过程简介 | 第58页 |
| 5.2 CSTR工艺过程 | 第58-60页 |
| 5.2.1 CSTR反应过程 | 第58-59页 |
| 5.2.2 CSTR过程的工况与变量 | 第59-60页 |
| 5.3 MPPCA模型应用于CSTR过程 | 第60-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 作者在攻读硕士学位期间取得的成果 | 第72页 |
