论文目录 | |
摘要 | 第1-8页 |
ABSTRACT | 第8-13页 |
第一章 绪论 | 第13-26页 |
1.1 课题背景和研究意义 | 第13-14页 |
1.2 课题研究现状 | 第14-23页 |
1.2.1 过程监测的主要研究方法 | 第14-18页 |
1.2.2 数据驱动大规模过程统计过程监测的发展现状 | 第18-23页 |
1.3 本文研究内容和创新点 | 第23-26页 |
第二章 基于故障相关主成分选择及贝叶斯方法的优化工业过程监测 | 第26-43页 |
2.1 引言 | 第26-30页 |
2.1.1 基于主成分分析的故障检测 | 第26-27页 |
2.1.2 主成分选择对过程监测效果的影响 | 第27-30页 |
2.2 基于故障相关主成分选择及贝叶斯方法的故障检测 | 第30-32页 |
2.3 仿真及应用研究 | 第32-42页 |
2.3.1 数值仿真过程实验验证 | 第32-36页 |
2.3.2 TE标准测试过程实验验证 | 第36-42页 |
2.4 本章小结 | 第42-43页 |
第三章 基于故障相关动态主成分选择及贝叶斯方法的优化动态过程监测 | 第43-54页 |
3.1 引言 | 第43-45页 |
3.1.1 基于动态主成分分析的故障检测 | 第43页 |
3.1.2 动态主成分分析中主成分选择对过程监测效果的影响 | 第43-45页 |
3.2 基于动态故障相关空间重构与贝叶斯方法的故障检测 | 第45-46页 |
3.3 仿真及应用研究 | 第46-53页 |
3.3.1 在数值仿真过程中的应用研究 | 第46-49页 |
3.3.2 在TE标准测试过程中的应用研究 | 第49-53页 |
3.4 本章小结 | 第53-54页 |
第四章 基于故障相关核主成分选择及贝叶斯方法的优化非线性过程监测 | 第54-75页 |
4.1 引言 | 第54-57页 |
4.1.1 基于核主成分分析的非线性过程故障检测 | 第54-55页 |
4.1.2 核主成分分析过程监测中核主成分选择对过程监测效果的影响 | 第55-57页 |
4.2 基于故障相关核主成分空间重构与贝叶斯方法的故障检测 | 第57-60页 |
4.3 仿真及应用研究 | 第60-74页 |
4.3.1 在数值仿真过程中的应用研究 | 第60-68页 |
4.3.2 在TE标准测试过程中的应用研究 | 第68-74页 |
4.4 本章小结 | 第74-75页 |
第五章 基于性能驱动的大规模动态过程最优分布式过程监测 | 第75-98页 |
5.1 引言 | 第75-80页 |
5.1.1 DPCA故障检测中变量选择对过程监测效果的影响 | 第75-79页 |
5.1.2 Bayesian故障诊断系统 | 第79-80页 |
5.2 基于性能驱动的大规模动态过程最优分布式过程监测 | 第80-83页 |
5.2.1 性能驱动的最优过程分解 | 第80-82页 |
5.2.2 性能驱动的最优Bayesian故障诊断系统 | 第82-83页 |
5.3 仿真与应用研究 | 第83-97页 |
5.3.1 在数值仿真过程中的应用研究 | 第83-95页 |
5.3.2 在TE标准测试过程中的应用研究 | 第95-97页 |
5.4 本章小结 | 第97-98页 |
第六章 基于多重集典型相关分析的大规模多操作单元过程监测 | 第98-112页 |
6.1 引言 | 第98-100页 |
6.1.1 典型相关分析 | 第98-99页 |
6.1.2 多重集典型相关分析 | 第99-100页 |
6.2 基于多重集典型相关分析的大规模多操作单元过程监测 | 第100-104页 |
6.2.1 联合特征故障检测 | 第100-101页 |
6.2.2 独立特征故障检测 | 第101页 |
6.2.3 算法步骤 | 第101-102页 |
6.2.4 性能分析 | 第102-104页 |
6.3 仿真与应用研究 | 第104-111页 |
6.3.1 在数值仿真过程中的应用研究 | 第104-107页 |
6.3.2 在TE标准测试过程中的应用研究 | 第107-111页 |
6.4 本章小结 | 第111-112页 |
第七章 总结与展望 | 第112-116页 |
7.1 全文总结 | 第112-114页 |
7.2 进一步工作展望 | 第114-116页 |
参考文献 | 第116-125页 |
作者攻读博士期间取得的科研成果 | 第125-127页 |
已发表或录用的论文 | 第125-127页 |
作者攻读博士期间的专利 | 第127-128页 |
致谢 | 第128页 |