偏最小二乘方法及其在工業(yè)過程數(shù)據(jù)處理中的應(yīng)用

第1章 緒論
1．1 引言
1．2 研究背景與意義
1．3 偏最小二乘方法描述
1．4 偏最小二乘方法的研究現(xiàn)狀
1．4．1 基于PLS的線性回歸研究現(xiàn)狀
1．4．2 基于PLS的統(tǒng)計建模、故障監(jiān)測研究現(xiàn)狀
1．4．3 基于PLS的質(zhì)量變量預(yù)測研究現(xiàn)狀
1．4．4 非線性PLS的研究與發(fā)展
1．5 全書概況
參考文獻
第2章 基于PLS的工業(yè)過程線性回歸分析
2．1 引言
2．2 PLS原理基石：MLR與PCR
2．2．1 多元線性回歸MLR
2．2．2 主成分回歸PCR
2．3 單變量偏最小二乘回歸
2．3．1 算法推導(dǎo)
2．3．2 基本性質(zhì)
2．3．3 交叉有效性
2．4 多變量偏最小二乘回歸
2．4．1 算法推導(dǎo)
2．4．2 基本性質(zhì)
2．4．3 交叉有效性
2．4．4 工業(yè)過程中PLS質(zhì)量預(yù)測模型
2．5 PLS與PCR比較
2．6 典型間歇過程——青霉素發(fā)酵過程案例研究
2．6．1 間歇過程及其數(shù)據(jù)預(yù)處理
2．6．2 青霉素發(fā)酵仿真ping臺介紹
2．6．3 基于MPLS的青霉素發(fā)酵過程質(zhì)量預(yù)測
2．7 結(jié)束語
參考文獻
第3章 基于PLS的工業(yè)過程統(tǒng)計建模與故障監(jiān)測
3．1 引言
3．2 工業(yè)過程數(shù)據(jù)分析的問題描述
3．3 基于PLS的工業(yè)過程統(tǒng)計建模
3．3．1 偏最小二乘算法的基本原理
3．3．2 基于PLS模型的方法
3．3．3 基于PLS 擴展模型的方法
3．4 基于PLS的工業(yè)過程故障監(jiān)測
3．4．1 PLS主元個數(shù)確定
3．4．2 基于PLS多變量統(tǒng)計過程檢測圖
3．4．3 基于PLS過程監(jiān)測步驟
3．5 PLS用于過程監(jiān)測時的幾何特性分析
3．6 基于PCA和PLS的過程監(jiān)測算法區(qū)別與聯(lián)系
3．6．1 基于PLS方法統(tǒng)計建模與PCA的比較
3．6．2 PLS過程監(jiān)測與PCA的比較
3．7 案例研究
3．7．1 數(shù)值仿真研究
3．7．2 TE過程案例研究
3．7．3 發(fā)酵過程監(jiān)測案例研究
3．8 結(jié)束語
參考文獻
第4章 基于PLS的工業(yè)過程質(zhì)量預(yù)測建模
4．1 引言
4．2 質(zhì)量預(yù)測問題描述
4．3 基于PLS的質(zhì)量預(yù)測算法
4．3．1 基于PLS的質(zhì)量預(yù)測算法簡介
4．3．2 過程變量與質(zhì)量變量的相關(guān)關(guān)系分析
4．3．3 過程變量在解釋質(zhì)量變量方面的作用
4．3．4 對成分的解釋
4．3．5 正交信號修正方法
4．3．6 質(zhì)量預(yù)測算法步驟
4．3．7 基于多階段劃分的質(zhì)量預(yù)測
4．4 工業(yè)過程案例研究
4．4．1 Pensim發(fā)酵ping臺仿真實驗
4．4．2 某制藥廠大腸桿菌發(fā)酵過程現(xiàn)場實驗
4．5 結(jié)束語
參考文獻
第5章 基于核映射的非線性偏最小二乘方法
5．1 引言
5．2 傳統(tǒng)KPLS算法描述
5．2．1 核映射過程
5．2．2 KPLS算法
5．2．3 核函數(shù)選擇
5．3 一種新的基于小波核的KPLS算法
5．3．1 多維張量積小波核函數(shù)的推導(dǎo)及有效性證明
5．3．2 數(shù)值例證明Morlet小波核函數(shù)有效性
5．3．3 基于Morlet小波核的KPLS在非線性混沌系統(tǒng)擬合中的驗證
5．4 基于KPLS的工業(yè)過程故障監(jiān)測與質(zhì)量預(yù)測
5．4．1 監(jiān)控統(tǒng)計量的確定
5．4．2 基于KPLS的過程監(jiān)測及質(zhì)量預(yù)測步驟
5．5 工業(yè)案例應(yīng)用
5．5．1 大腸桿菌發(fā)酵過程
5．5．2 基于KPLS對發(fā)酵過程的質(zhì)量預(yù)測
5．5．3 基于KPLS對發(fā)酵過程的故障監(jiān)測
5．6 結(jié)束語
參考文獻
第6章 基于約化雙核PLS的非線性過程質(zhì)量預(yù)測
6．1 引言
6．2 PLS的雙核結(jié)構(gòu)提出與討論
6．3 約化雙核PLS算法
6．3．1 核技巧的特征向量提取方法
6．3．2 針對核方法的參數(shù)調(diào)節(jié)優(yōu)化
6．3．3 質(zhì)量數(shù)據(jù)的投影及其特征提取
6．3．4 高維核空間數(shù)據(jù)的逆向還原算法
6．4 案例研究
6．4．1 數(shù)值例Ⅰ
6．4．2 數(shù)值例Ⅱ
6．4．3 大腸桿菌實驗ping臺
6．4．4 分析與討論
6．5 結(jié)束語
參考文獻
第7章 基于JITL-PLS統(tǒng)計模型動態(tài)更新
7．1 引言
7．2 工業(yè)數(shù)據(jù)的動態(tài)JITL局部樣本選擇
7．2．1 局部建模策略優(yōu)勢
7．2．2 即時學(xué)習(xí)（JITL）局部模型選取方法
7．2．3 對JITL模型樣本容量閾值的討論
7．2．4 動態(tài)JITL樣本選擇
7．3 基于JITL-PLS的工業(yè)過程在線監(jiān)測
7．3．1 基于PLS回歸殘差的模型更新機制
7．3．2 基于改進即時學(xué)習(xí)策略的工業(yè)過程在線監(jiān)測
7．3．3 回歸殘差更新機制實驗
7．3．4 青霉素發(fā)酵過程仿真實驗
7．4 基于JITL-PLS的工業(yè)過程質(zhì)量預(yù)測
7．4．1 一種新的預(yù)測效果度量指標(biāo)：預(yù)測標(biāo)準(zhǔn)差
7．4．2 算法總體流程
7．4．3 青霉素實驗ping臺實驗設(shè)計
7．4．4 實驗結(jié)果分析
7．5 結(jié)束語
參考文獻
第8章 基于核熵PLS（KEPLS）的工業(yè)過程質(zhì)量預(yù)測與控制
8．1 引言
8．2 核熵PLS算法原理
8．3 基于KEPLS的工業(yè)過程質(zhì)量監(jiān)控與預(yù)警
8．3．1 改進的特征采樣（IFS）算法
8．3．2 基于IFS-KEPLS的過程監(jiān)測以及質(zhì)量預(yù)測步驟
8．3．3 KEPLS算法和KPLS算法實驗結(jié)果比較分析
8．4 基于KEPLS的工業(yè)過程質(zhì)量控制
8．4．1 標(biāo)準(zhǔn)向量核空間貢獻圖（SV-KCD）方法
8．4．2 SV-KCD與KEPLS相結(jié)合的過程質(zhì)量控制算法描述
8．5 案例研究
8．5．1 SV-KEPLS方法在大腸桿菌發(fā)酵過程中的應(yīng)用
8．5．2 質(zhì)量預(yù)測仿真
8．5．3 基于SV-KEPLS的質(zhì)量控制的仿真
8．6 結(jié)束語
參考文獻