声明
摘要
符号说明
第一章 绪论
1．1 研究背景与意义
1．2 相关技术研究现状
1．2．1 过程监测与故障诊断
1．2．2 基于ICA的过程监测
1．2．3 多模式或多阶段过程监测
1．2．4 ICA异常状态诊断
1．2．5 ICA与其它方法的综合
1．3 内容及结构安排
第二章 改进的ICA异常状态监测方法
2．1 引言
2．2 系统偏差与Box-Cox变换
2．2．1 系统偏差
2．2．2 Box-Cox变换
2．3 异常状态监测方法
2．3．1 数据预处理
2．3．2 独立分量分析
2．3．3 独立分量划分
2．3．4 统计量控制限确定
2．3．5 在线监测
2．3．6 贡献图定位异常
2．4 实例研究
2．4．1 连续过程实例
2．4．2 间歇过程实例
2．5 本章小结
第三章 基于奇异值识别的异常状态监测方法
3．1 引言
3．2 奇异值识别
3．2．1 奇异值分解
3．2．2 奇异值识别算法
3．3 异常状态监测方法
3．3．1 数据预处理
3．3．2 子过程监测模型
3．3．3 在线监测
3．3．4 基于奇异值识别的过程监测流程
3．4 实例研究
3．4．1 TE过程实例
3．4．2 青霉素发酵间歇过程实例
3．5 本章小结
第四章 基于重构联合指标贡献的异常状态诊断方法
4．1 引言
4．2 重构贡献诊断方法
4．2．1 联合指标监测
4．2．2 传统贡献图诊断
4．2．3 重构贡献诊断
4．2．4 异常状态诊断性能
4．2．5 异常状态诊断流程
4．3 实例研究
4．3．1 TE过程实例1
4．3．2 TE过程实例2
4．4 本章小结
第五章 基于ICA-CPPN的异常状态诊断方法
5．1 引言
5．2 条件概率Petri网(CPPN)
5．2．1 CPPN结构
5．2．2 CPPN使能与激发规则
5．2．3 CPPN产生式规则表示
5．3 条件概率Petri网参数优化
5．3．1 统计指标概率化
5．3．2 最小二乘拟合优化参数
5．4 条件概率Petri网诊断推理
5．5 基于ICA-CPPN的异常状态诊断流程
5．6 实例研究
5．6．1 青霉素发酵过程实例
5．6．2 TE过程实例
5．7 本章小结
第六章 结论与展望
6．1 结论
6．2 展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
