间歇过程统计建模及故障监测研究 针对数据多阶段特性PDF电子书下载

查看更多关于的内容

第1章 绪论 1

1.1 本书研究背景及意义 1

1.2 发酵过程简介及特征分析 3

1.3 发酵过程的统计过程监测 10

1.4 本书的研究内容及章节安排 17

第2章 基于多阶段MPCA的间歇过程监测研究 21

2.1 引言 21

2.2 主元分析（PCA） 22

2.3 多向主元分析（MPCA） 25

2.4 基于改进AP聚类的间歇过程阶段划分方法研究 27

2.5 仿真验证与结果分析 33

2.6 本章小结 42

第3章 基于MAR-PCA的间歇过程监测研究 43

3.1 引言 43

3.2 动态性对过程监测的影响 44

3.3 基于MAR-PCA的间歇过程监测 45

3.4 MAR-PCA算法步骤 48

3.5 数值实例仿真研究 50

3.6 本章小结 55

第4章 多阶段MAR-PCA在间歇过程监测中的应用研究 56

4.1 引言 56

4.2 多阶段MAR-PCA算法 56

4.3 基于多阶段MAR-PCA的间歇过程在线监测 59

4.4 仿真研究与结果分析 60

4.5 本章小结 65

第5章 基于仿射传播聚类的批次加权阶段软化分 66

5.1 引言 66

5.2 反距离加权 67

5.3 基于改进AP的阶段软化分 68

5.4 仿真研究 73

5.5 本章小结 78

第6章 基于信息传递的采样点阶段归属判断 80

6.1 引言 80

6.2 信息传递 81

6.3 采样点阶段归属的初步选择 83

6.4 采样点阶段归属的最终判定 84

6.5 仿真研究 86

6.6 本章小结 89

第7章 基于子阶段自回归主元分析的发酵过程在线监测 91

7.1 引言 91

7.2 主元分析与自回归模型 92

7.3 发酵过程子阶段监测模型的建立 95

7.4 子阶段AR-PCA在线监测 99

7.5 仿真研究 100

7.6 本章小结 110

第8章 基于PDPSO优化的AP聚类阶段划分 112

8.1 引言 112

8.2 AP聚类算法 113

8.3 PDPSO算法 113

8.4 基于PDPSO优化的AP聚类算法阶段划分 117

8.5 仿真研究 119

8.6 本章小结 120

第9章 基于多阶段自回归主元分析的发酵过程监测 122

9.1 引言 122

9.2 主元分析与自回归模型 123

9.3 基于AR残差的MPCA模型 126

9.4 多阶段AR-PCA监测 127

9.5 多阶段AR-PCA监测模型的建立 128

9.6 仿真研究 129

9.7 大肠杆菌发酵现场实验与结果分析 141

9.8 本章小结 150

第10章 基于KPCA-PCA的多阶段间歇过程监控策略 151

10.1 引言 151

10.2 数据集的相似度理论 152

10.3 多阶段KPCA-PCA监控策略 156

10.4 仿真验证与应用研究 165

10.5 本章小结 181

第11章 基于GMM-DPCA的非高斯过程故障监控 182

11.1 引言 182

11.2 高斯混合模型（GMM）理论 183

11.3 基于GMM-DPCA的故障监控策略 185

11.4 基于GMM-DPCA监控策略的离线建模和新批次监控 190

11.5 应用研究 191

11.6 本章小结 200

第12章 基于KECA的间歇过程多阶段监测方法研究 201

12.1 引言 201

12.2 多阶段过程监测策略 203

12.3 构建多阶段的监测模型 206

12.4 算法验证 209

12.5 本章小结 219

第13章 间歇过程子阶段非高斯监测方法研究 220

13.1 引言 220

13.2 基于多阶段KEICA的间歇过程监测 222

13.3 算法验证 228

13.4 本章小结 241

第14章 总结与展望 242

14.1 总结 242

14.2 展望 244

参考文献 248

查看更多关于的内容