声明
摘要
第一章 绪论
1.1 引言
1.2 间歇过程软测量建模方法研究现状
1.2.1 基于机理分析的软测量建模方法
1.2.2 基于数据驱动的软测量建模方法
1.3 测量数据异常检测方法研究现状
1.3.1 基于模型的测量数据异常检测方法
1.3.2 基于数据驱动的测量数据异常检测方法
1.4 课题的研究意义和主要研究内容
1.4.1 研究意义
1.4.2 主要内容
第二章 基于机理分析和即时学习相关向量机的多模态间歇过程混合建模方法研究
2.1 引言
2.2 相关向量机
2.2.1 贝叶斯框架下的回归模型
2.2.2 基于相关向量机模型的变量数据预测
2.3 即时学习相关向量机
2.3.1 即时学习训练数据集构建
2.3.2 即时学习相关向量机模型
2.3.3 基于即时学习相关向量机模型的变量数据预测
2.4 基于机理分析和即时学习相关向量机的多模态间歇过程混合建模
2.4.1 混合模型结构
2.4.2 间歇过程数据预处理
2.4.3 基于机理分析的间歇过程机理建模
2.4.4 基于JIT-RVM的多模态间歇过程辨识建模
2.4.5 基于机理分析和JIT-RVM的多模态间歇过程混合建模实现
2.5 本章小结
第三章 基于混合模型和支持向量数据描述的多模态间歇过程测量数据异常检测方法
3.1 引言
3.2 基于支持向量数据描述的多模态间歇过程测量数据异常检测
3.2.1 SVDD原理
3.2.2 基于SVDD的多模态间歇过程测量数据异常检测
3.3 基于混合模型和SVDD的多模态间歇过程测量数据异常检测
3.3.1 残差序列的生成
3.3.2 基于SVDD残差评价的多模态间歇过程测量数据异常检测
3.3.3 基于混合模型和SVDD的间歇过程测量数据异常检测实现
3.4 本章小结
第四章 实验与分析
4.1 青霉素生产过程混合建模实验
4.1.1 青霉素生产过程平台
4.1.2 基于机理分析的机理模型测试
4.1.3 基于JIT-RVM的辨识模型测试
4.2 青霉素生产过程测量数据异常检测实验
4.2.1 青霉素生产过程测量数据异常
4.2.2 青霉素生产过程测量数据异常检测
第五章 结论与展望
5.1 结论
5.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者及导师简介