《过程工业故障诊断》针对过程工业变量多、耦合强的特点,侧重介绍多元统计类方法在过程工业故障诊断中的应用,详细介绍主元分析法、Fisher判据分析、部分最小二乘法、独立元分析等分析方法之间的区别和联系;针对一般多元统计方法难以解决非线性问题的缺点,对其进行核化处理,揭示几种核化多元统计方法之间的关系和本质;提出故障特征的选择以及小样本问题的解决方法,并给出不同方法的模式稳定性比较,为选择算法参数提供参考依据;最后介绍基于解析模型和基于信号处理的方法在故障诊断中的应用。
《过程工业故障诊断》可作为过程工业及其自动化、控制理论与控制工程等相关专业研究生课程的参考书,也可供从事过程工业故障检测与诊断的研究人员和工程技术人员参考。
更多科学出版社服务,请扫码获取。
《过程工业故障诊断》是由科学出版社出版的
前言
第1章 绪论
1.1 概述
1.1.1 研究意义
1.1.2 故障诊断的任务
1.1.3 故障诊断的实现过程
1.1.4 故障诊断方法分类
1.2 基于解析模型的方法
1.3 基于定性知识的方法
1.4 基于历史数据的方法
1.4.1 基于信号处理的方法
1.4.2 多元统计方法
1.4.3 多元统计方法与模式识别方法的关系
1.5 过程工业故障诊断研究进展
1.5.1 多元统计方法应用于非线性问题.
1.5.2 核多元统计方法在过程工业应用中的几个关键问题
1.6 本书内容安排
参考文献
第2章 过程工业故障检测与诊断的多元统计方法
2.1 引言
2.2 多元统计方法
2.2.1 PCA
2.2.2 FDA
2.2.3 PLS
2.2.4 0CA
2.2.5 ICA
2.3 多元统计方法之间关系的统一框架
2.3.1 几种多元统计方法的关系
2.3.2 瑞利商下的统
2.3.3 优化问题的转化
2.4 故障的检测和辨识
2.4.1 基于T2统计量和Q统计量的故障检测
2.4.2 基于P统计量的故障检测
2.4.3 基于Bayes分类器的故障辨识
2.4.4 线性分类器与Bayes分类器的关系
2.5 仿真算例
2.5.1 仿真数据介绍
2.5.2 故障检测和诊断步骤
2.5.3 仿真结果与分析
2.6 小结
参考文献
第3章 过程工业故障诊断的核化多元统计方法
3.1 引言
3.2 核空间的定义与性质
3.3 核空间上的一些运算
3.4 算法可以核化的条件
3.4.1 特征向量的对偶表示形式
3.4.2 算法核化的条件
3.5 多元统计方法的核化算法
3.5.1 KPCA
3.5.2 KFDA
3.5.3 KPLS
3.5.4 KCCA
3.5.5 KICA
3.5.6 对KCCA和KICA的变形和一些关系
3.5.7 核化算法的正则化
3.5.8 几种核化算法的联系
3.6 核参数的确定
3.7 多故障诊断问题
3.7.1 引言
3.7.2 基于核的Bayes决策函数
3.7.3 KPCA和KFDA的故障诊断流程
3.8 仿寞结果及分析
3.9 小结
参考文献
……
第4章 过程工业故障诊断的特征选取方法
第5章 过程工业故障诊断的小样本问题
第6章 算法的模式稳定性
第7章 基于解析模型的故障诊断
第8章 基于信号处理的故障诊断
第9章 总结与展望
参考文献