| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第12-18页 |
| 1.1 课题研究背景与意义 | 第12-13页 |
| 1.2 工业控制回路稀疏因果分析研究现状 | 第13-16页 |
| 1.2.1 工业控制回路因果分析研究现状 | 第13-15页 |
| 1.2.2 稀疏因果分析研究现状 | 第15-16页 |
| 1.2.3 研究现状的分析及评价 | 第16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 2 线性平稳过程的稀疏因果分析方法 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 格兰杰因果概念介绍 | 第18-21页 |
| 2.2.1 相关关系与因果关系 | 第18-19页 |
| 2.2.2 格兰杰因果分析方法介绍 | 第19-21页 |
| 2.3 稀疏分析方法简介 | 第21-24页 |
| 2.3.1 Lasso | 第21-23页 |
| 2.3.2 Group Lasso | 第23-24页 |
| 2.3.3 Lasso和Group Lasso的拓展 | 第24页 |
| 2.4 线性平稳过程的稀疏因果分析 | 第24-31页 |
| 2.4.1 算法实现 | 第24-26页 |
| 2.4.2 数值仿真 | 第26-29页 |
| 2.4.3 结果分析 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于去趋势预处理的全局振荡稀疏因果分析 | 第32-54页 |
| 3.1 引言 | 第32-33页 |
| 3.2 振荡信号分解方法及在去趋势中的应用 | 第33-36页 |
| 3.2.1 经验模态分解 | 第33-34页 |
| 3.2.2 局部均值分解 | 第34-36页 |
| 3.3 非平稳时间序列模型 | 第36-37页 |
| 3.3.1 Holt-Winters模型 | 第36页 |
| 3.3.2 ARIMA模型 | 第36-37页 |
| 3.4 去趋势预处理的全局振荡因果分析算法 | 第37-45页 |
| 3.4.1 去趋势预处理算法实现 | 第37-43页 |
| 3.4.2 算法实现 | 第43-45页 |
| 3.5 实验与讨论 | 第45-53页 |
| 3.5.1 去趋势预处理必要性验证 | 第45-50页 |
| 3.5.2 工业例子应用 | 第50-53页 |
| 3.6 本章小结 | 第53-54页 |
| 4 基于时间序列聚类和主成分分析的稀疏组因果分析方法 | 第54-70页 |
| 4.1 引言 | 第54-55页 |
| 4.2 “组”的建立 | 第55-60页 |
| 4.2.1 主成分分析 | 第56页 |
| 4.2.2 时间序列聚类 | 第56-60页 |
| 4.3 多变量组格兰杰因果指标 | 第60-61页 |
| 4.3.1 多变量组向量自回归模型 | 第60-61页 |
| 4.3.2 组格兰杰因果指标 | 第61页 |
| 4.4 稀疏组因果分析方法及指标设计 | 第61-64页 |
| 4.4.1 稀疏组因果分析方法 | 第61-64页 |
| 4.4.2 加权组因果指标wMVGC | 第64页 |
| 4.5 实验与讨论 | 第64-69页 |
| 4.5.1 数值仿真 | 第64-67页 |
| 4.5.2 讨论分析 | 第67-69页 |
| 4.6 本章小结 | 第69-70页 |
| 5 TE过程的稀疏因果分析 | 第70-84页 |
| 5.1 引言 | 第70页 |
| 5.2 TE过程简介 | 第70-72页 |
| 5.3 全局振荡的稀疏因果分析 | 第72-76页 |
| 5.3.1 问题介绍 | 第72-73页 |
| 5.3.2 问题分析 | 第73-75页 |
| 5.3.3 结果讨论 | 第75-76页 |
| 5.4 不同故障的稀疏组因果分析 | 第76-83页 |
| 5.4.1 问题介绍 | 第76-78页 |
| 5.4.2 问题分析 | 第78-82页 |
| 5.4.3 讨论分析 | 第82-83页 |
| 5.5 本章小结 | 第83-84页 |
| 6 总结与展望 | 第84-88页 |
| 6.1 工作总结 | 第84-85页 |
| 6.2 研究展望 | 第85-88页 |
| 参考文献 | 第88-96页 |
| 作者简历 | 第96-98页 |
| 攻读学位期间取得的研究成果 | 第98页 |