| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 故障监测方法概述 | 第10-14页 |
| 1.2.1 故障及其类型 | 第10页 |
| 1.2.2 故障监测方法及其类型 | 第10-12页 |
| 1.2.3 多元统计过程监测技术 | 第12-13页 |
| 1.2.4 基于质量变量的过程监测技术 | 第13-14页 |
| 1.2.5 基于专家经验知识信息的过程监测技术 | 第14页 |
| 1.3 论文的结构和主要工作 | 第14-15页 |
| 第2章 相关基本理论学习 | 第15-23页 |
| 2.1 基于KICA的过程监测方法 | 第15-17页 |
| 2.1.1 KICA算法原理 | 第15页 |
| 2.1.2 非高斯最大化方法 | 第15-17页 |
| 2.2 基于KPLS的过程监测方法 | 第17-18页 |
| 2.2.1 PLS算法的基本原理 | 第17-18页 |
| 2.2.2 KPLS算法的基本原理 | 第18页 |
| 2.3 知识学习方法 | 第18-22页 |
| 2.3.1 知识学习的基本概念 | 第18-19页 |
| 2.3.2 基于经验知识学习的算法 | 第19-20页 |
| 2.3.3 流形正则化(MR)学习算法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于质量相关的核独立元回归算法 | 第23-39页 |
| 3.1 质量相关的数据算法 | 第23-24页 |
| 3.2 核独立元回归算法 | 第24页 |
| 3.3 质量相关的核独立元回归算法 | 第24-30页 |
| 3.3.1 多目标优化方法 | 第25-28页 |
| 3.3.2 最佳化权值 | 第28-30页 |
| 3.4 仿真研究与结果分析 | 第30-37页 |
| 3.4.1 连退过程简介 | 第30页 |
| 3.4.2 QKICR算法在质量预测中的应用 | 第30-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于经验知识特征提取的多模式故障监测方法 | 第39-59页 |
| 4.1 基于专家经验知识的特征提取方法 | 第40-48页 |
| 4.1.1 基于专家经验知识的特征提取 | 第40-43页 |
| 4.1.2 基于专家经验知识的局部的权值保持的特征提取方法 | 第43-45页 |
| 4.1.3 基于多模式的专家经验知识的局部的权值保持的特征提取方法 | 第45-48页 |
| 4.2 基于多模式的经验知识特征提取的故障监测方法 | 第48-50页 |
| 4.3 仿真研究与结果分析 | 第50-59页 |
| 4.3.1 田纳西过程介绍 | 第50-52页 |
| 4.3.2 田纳西过程仿真结果分析 | 第52-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67页 |
