| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 模式划分方法的研究现状 | 第11-12页 |
| 1.2.1 多模式间歇过程的特点 | 第11-12页 |
| 1.2.2 模式划分方法的研究现状 | 第12页 |
| 1.3 控制系统性能评估方法的研究现状 | 第12-16页 |
| 1.4 本文结构及内容 | 第16-18页 |
| 第2章 PCA方法原理及其改进方法 | 第18-30页 |
| 2.1 多变量过程统计方法 | 第18-23页 |
| 2.1.1 主成分分析 | 第18-19页 |
| 2.1.2 独立成分分析 | 第19-20页 |
| 2.1.3 核主元分析 | 第20-23页 |
| 2.2 PCA方法原理 | 第23-26页 |
| 2.2.1 基于特征值分解 | 第24-25页 |
| 2.2.2 基于奇异值分解 | 第25页 |
| 2.2.3 非线性迭代部分最小二乘算法 | 第25-26页 |
| 2.3 PCA在非正态分布时的改进 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于PCA的多模式间歇过程的辨识 | 第30-44页 |
| 3.1 主元模型之间的相似度 | 第30-32页 |
| 3.1.1 主角度 | 第30-31页 |
| 3.1.2 两个PCA模型间相似性的度量 | 第31-32页 |
| 3.2 多阶段多模式间歇过程的划分及建模 | 第32-38页 |
| 3.2.1 间歇过程数据的二维时间片展开及PCA模型的建立 | 第32-33页 |
| 3.2.2 间歇过程的模式划分 | 第33-38页 |
| 3.2.3 对各模式重新建立MPCA模型 | 第38页 |
| 3.3 仿真实例 | 第38-42页 |
| 3.3.1 过程对象 | 第38-39页 |
| 3.3.2 实验与分析 | 第39-42页 |
| 3.3.3 建立MPCA模型 | 第42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于PCA的控制器性能评估及择优方法 | 第44-64页 |
| 4.1 最小方差性能评估基准 | 第44-50页 |
| 4.1.1 SISO最小方差算法 | 第45-47页 |
| 4.1.2 MIMO最小方差算法 | 第47-50页 |
| 4.2 多变量反馈控制系统的性能评估 | 第50-53页 |
| 4.3 在最小方差控制下的基于PCA的性能评估策略 | 第53-57页 |
| 4.3.1 最小方差的输出 | 第53-55页 |
| 4.3.2 在最小方差输出下的基于PCA的性能评估 | 第55-57页 |
| 4.4 控制器性能的比较与选择 | 第57-62页 |
| 4.4.1 两个控制器的切换 | 第57-58页 |
| 4.4.2 实例验证 | 第58-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第5章 结论与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
