声明
第1章 绪 论
1.1 课题研究背景、目的与意义
1.2 过程故障监测与诊断方法
1.2.1 基于分析模型的方法
1.2.2 基于定性经验知识的方法
1.2.3 基于数据驱动的方法
1.3 本文主要研究内容
第2章 数据降维方法分析
2.1 引言
2.2 数据降维方法之间的比较
2.3 基于正交判别的线性局部切空间排列
2.3.1 线性局部切空间排列算法原理
2.3.2 正交判别线性局部切空间排列算法原理
2.4 本章小结
第3章 基于ODLLTSA-KNN的化工过程故障监测
3.1 引言
3.2 基于KPCA的化工过程故障监测
3.2.1 KPCA原理
3.2.2 基于KPCA的化工过程故障监测步骤
3.3 基于ODLLTSA-KNN的化工过程故障监测
3.3.1 K近邻法的简介
3.3.2 基于KNN的化工过程故障监测方法
3.3.3 基于LLTSA-KNN的过程故障监测方法
3.3.4 基于ODLLTSA-KNN的过程故障监测方法
3.4 本章小结
第4章 基于ODLLTSA-SVM的化工过程故障诊断
4.1 引言
4.2 SVM原理
4.2.1 SVM的基本思想
4.2.2 SVM线性分类
4.2.3 SVM非线性分类
4.2.4 SVM多分类问题
4.3 SVM参数寻优
4.3.1 网格搜索法寻优
4.3.2 遗传算法寻优
4.3.3 粒子群优化算法
4.4 基于ODLLTSA-SVM的化工过程故障诊断
4.5 基于KNN与SVM的化工过程故障监测与诊断
4.6 本章小结
第5章 K近邻和支持向量机在TE化工过程中的应用
5.1 引言
5.2 TE化工过程简介
5.2.1 TE过程的工艺流程
5.2.2 TE过程的变量
5.2.3 TE过程故障及数据
5.3 TE过程的实例应用与分析
5.3.1 ODLLTSA-KNN在TE过程故障监测中的应用
5.3.2 ODLLTSA-SVM模型的核函数及其参数选择
5.3.3 ODLLTSA-SVM在TE过程故障诊断中的应用
5.4 本章小结
结论
参考文献
致谢
