| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景、目的和意义 | 第10-11页 |
| 1.2 质量监测和故障诊断的基本研究内容 | 第11页 |
| 1.3 国内外研究现状和发展趋势 | 第11-14页 |
| 1.4 基于偏最小二乘分析的质量监测及其改进方法 | 第14-18页 |
| 1.4.1 传统的基于PLS监测方法 | 第14-15页 |
| 1.4.2 基于改进的PLS的质量监测方法 | 第15-18页 |
| 1.5 主要研究内容 | 第18-19页 |
| 第2章 偏最小二乘方法 | 第19-24页 |
| 2.1 偏最小二乘基本原理 | 第19-21页 |
| 2.2 PLS成分分解与相关性分析 | 第21-23页 |
| 2.2.1 成分分解 | 第21-22页 |
| 2.2.2 数据间相关分析 | 第22-23页 |
| 2.3 总结 | 第23-24页 |
| 第3章 基于CPLS多空间分解的质量监测方法 | 第24-34页 |
| 3.1 基于MPLS方法的质量监测方法 | 第25-26页 |
| 3.2 基于CPLS方法的质量监测方法 | 第26-28页 |
| 3.2.1 CPLS质量空间分解 | 第26-27页 |
| 3.2.2 改进贡献图的诊断方法 | 第27-28页 |
| 3.3 基于CPLS多空间分解的质量监测建模 | 第28-29页 |
| 3.3.1 离线建模 | 第28页 |
| 3.3.2 在线监测 | 第28-29页 |
| 3.4 仿真及结果 | 第29-32页 |
| 3.4.1 半导体刻蚀过程 | 第29-32页 |
| 3.5 结论 | 第32-34页 |
| 第4章 基于混合MPLS的多阶段过程质量预报方法 | 第34-46页 |
| 4.1 改进的多向偏最小二乘方法 | 第34-36页 |
| 4.2 多阶段识别 | 第36-37页 |
| 4.3 混合MPLS模型融合方法 | 第37-39页 |
| 4.3.1 FDA_Kernel的多阶段状态监测 | 第37-38页 |
| 4.3.2 贝叶斯原则的FDA_Kernel的多阶段状态监测 | 第38-39页 |
| 4.3.3 基于阶段状态监测的混合MPLS融合方法 | 第39页 |
| 4.4 基于混合MPLS方法的多阶段过程质量预报建模 | 第39-40页 |
| 4.4.1 离线建模 | 第39-40页 |
| 4.4.2 在线质量预报 | 第40页 |
| 4.5 实验结果与分析 | 第40-45页 |
| 4.5.1 青霉素发酵过程 | 第40-45页 |
| 4.6 结论 | 第45-46页 |
| 第5章 基于Block-RPLS模型自适应更新的质量预测方法 | 第46-58页 |
| 5.1 块递推偏最小二乘方法 | 第46-48页 |
| 5.2 自适应模型更新方法 | 第48-50页 |
| 5.2.1 矩阵相似性理论 | 第48-49页 |
| 5.2.2 离群数据集的检测 | 第49-50页 |
| 5.3 基于Block-RPLS模型自适应更新的质量预测方法 | 第50-52页 |
| 5.3.1 滑动窗特征矩阵 | 第50-51页 |
| 5.3.2 质量预测方法 | 第51-52页 |
| 5.4 实验结果分析 | 第52-57页 |
| 5.4.1 数值仿真实验 | 第52-53页 |
| 5.4.2 青霉素发酵过程 | 第53-57页 |
| 5.5 总结 | 第57-58页 |
| 第6章 总结和展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 附录 | 第67页 |
