声明
致谢
摘要
1.1 课题研究背景及意义
1.2 统计过程监测的发展历程
1.3 间歇过程统计过程监测的发展现状
1.3.1 间歇过程统计过程监测研究现状
1.3.2 间歇过程统计过程监测面临的问题
1.4 大规模连续过程的统计过程监测发展现状
1.4.1 大规模连续过程监测研究现状
1.4.2 大规模连续过程统计监测面临的问题
1.5 本文的主要研究内容
第二章 基于小样本的间歇过程子时段划分、统计建模与监测方法
2.1 引言
2.2 PCA方法回顾
2.3 基于泛化时间片的自动时段步进有序划分
2.3.1 泛化时间片构造
2.3.2 基于泛化时间片的自动时段步进有序划分
2.4 基于泛化时间片的子时段建模与监测
2.4.1 基于泛化时间片的子时段建模
2.4.2 基于子时段的在线监测
2.5 实验验证
2.5.1 注塑成型过程描述
2.5.2 实验设计
2.5.3 实验结果
2.6 本章小结
第三章 基于不规则数据的间歇过程不等长时段统计建模与监测方法
3.1 引言
3.2 基于时间片重组的不等长时段自动划分
3.2.1 基于批次-变量展开方法的不等长数据预处理
3.2.2 不等长时段步进有序划分
3.3 基于时间片重组的子时段建模与在线监测
3.3.1 基于时间片重组的子时段建模
3.3.2 在线时段判断及过程监测
3.4 实验验证
3.4.1 实验设计及建模数据
3.4.2 不等长时段划分结果
3.4.3 在线监测结果
3.5 结论
第四章 基于混合变量相关陛分析的大规模过程分层建模与监测方法
4.1 引言
4.2 基于KPCA的监测方法回顾
4.3 基于线性相关性评估的变量组划分
4.3.1 线性评估指标构造
4.3.2 基于弹性网和重采样的相关性衡量
4.3.4 线性交量子组迭代划分
4.4 基于PCA-KPCA的分层建模与在线监测
4.4.1 基于PCA-KPCA的过程分层建模
4.4.2 基于PCA-KPCA的分层监测
4.5 案例研究
4.5.1 数值仿真案例一
4.5.2 数值仿真案例二
4.5.3 卷烟制丝过程的应用
4.6 本章小结
第五章 基于混合故障特性分解的大规模过程分布式概率故障诊断方法
5.1 引言
5.2 FDFDA算法回顾
5.3 基于混合故障特性分解的变量组划分
5.3.1 基于线性衡量的初始故障变量组划分
5.3.2 基于故障衡量的故障变量组隔离
5.4 分布式概率故障诊断方法
5.4.1 分布式故障建模
5.4.2 基于概率的置信区间构建
5.4.3 在线分布式概率故障诊断
5.5 实验验证
5.5.1 数值仿真实验
5.5.2 注塑过程中的应用研究
5.5.3 大规模燃煤火电过程的应用研究
5.6 本章小结
第六章 基于动静态特性分析的大规模过程分布式协同建模与监测方法
6.1 引言
6.2 基本方法回顾
6.2.1 SFA算法
6.2.2 KSFA算法
6.3 基于SSFA的过程动静态变量组划分
6.3.1 稀疏慢特征分析(SSFA)算法
6.3.2 基于SSFA的过程动静态变量组划分
6.3.3 参数选取
6.4 基于SFA-KSFA的两层分布式协同建模与在线监测
6.4.1 基于SFA-KSFA的两层分布式协同建模
6.4.2 基于SFA-KSFA的两层分布式协同监测
6.5 应用验证
6.5.1 田纳西伊斯曼(Tennessee Eastman,TE)过程
6.5.2 百万千瓦超超临界火力发电机组
6.6 本章小结
第七章 总结和展望
参考文献
攻读博士学位期间完成的论文