间歇过程统计建模及故障监测研究:针对数据多阶段特性

摘要 Abstract 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 3.4MAR-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*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 8.2AP聚类算法113 8.3PDPSO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