過(guò)程工業(yè)故障診斷

內(nèi)容概要

　　本書針對(duì)過(guò)程工業(yè)變量多、耦合強(qiáng)的特點(diǎn)，側(cè)重介紹多元統(tǒng)計(jì)類方法在過(guò)程工業(yè)故障診斷中的應(yīng)用，詳細(xì)介紹主元分析法、Fisher判據(jù)分析、部分最小二乘法、獨(dú)立元分析等分析方法之間的區(qū)別和聯(lián)系；針對(duì)一般多元統(tǒng)計(jì)方法難以解決非線性問(wèn)題的缺點(diǎn)，對(duì)其進(jìn)行核化處理，揭示幾種核化多元統(tǒng)計(jì)方法之間的關(guān)系和本質(zhì)；提出故障特征的選擇以及小樣本問(wèn)題的解決方法，并給出不同方法的模式穩(wěn)定性比較，為選擇算法參數(shù)提供參考依據(jù)；最后介紹基于解析模型和基于信號(hào)處理的方法在故障診斷中的應(yīng)用。
　　本書可作為過(guò)程工業(yè)及其自動(dòng)化、控制理論與控制工程等相關(guān)專業(yè)研究生課程的參考書，也可供從事過(guò)程工業(yè)故障檢測(cè)與診斷的研究人員和工程技術(shù)人員參考。

書籍目錄

前言
第1章　緒論
　1.1　概述
　　1.1.1　研究意義
　　1.1.2　故障診斷的任務(wù)
　　1.1.3　故障診斷的實(shí)現(xiàn)過(guò)程
　　1.1.4　故障診斷方法分類
　1.2　基于解析模型的方法
　1.3　基于定性知識(shí)的方法
　1.4　基于歷史數(shù)據(jù)的方法
　　1.4.1　基于信號(hào)處理的方法
　　1.4.2　多元統(tǒng)計(jì)方法
　　1.4.3　多元統(tǒng)計(jì)方法與模式識(shí)別方法的關(guān)系
　1.5　過(guò)程工業(yè)故障診斷研究進(jìn)展
　　1.5.1　多元統(tǒng)計(jì)方法應(yīng)用于非線性問(wèn)題
　　1.5.2　核多元統(tǒng)計(jì)方法在過(guò)程工業(yè)應(yīng)用中的幾個(gè)關(guān)鍵問(wèn)題
　1.6　本書內(nèi)容安排
　參考文獻(xiàn)
第2章　過(guò)程工業(yè)故障檢測(cè)與診斷的多元統(tǒng)計(jì)方法
　2.1　引言
　2.2　多元統(tǒng)計(jì)方法
　　2.2.1　PCA
　　2.2.2　FDA
　　2.2.3　PLS
　　2.2.4　CCA
　　2.2.5　ICA
　2.3　多元統(tǒng)計(jì)方法之間關(guān)系的統(tǒng)一框架
　　2.3.1　幾種多元統(tǒng)計(jì)方法的關(guān)系
　　2.3.2　瑞利商下的統(tǒng)一
　　2.3.3　優(yōu)化問(wèn)題的轉(zhuǎn)化
　2.4　故障的檢測(cè)和辨識(shí)
　　2.4.1　基于T2統(tǒng)計(jì)量和Q統(tǒng)計(jì)量的故障檢測(cè)
　　2.4.2　基于I2統(tǒng)計(jì)量的故障檢測(cè)
　　2.4.3　基于Bayes分類器的故障辨識(shí)
　　2.4.4　線性分類器與Bayes分類器的關(guān)系
　2.5　仿真算例
　　2.5.1　仿真數(shù)據(jù)介紹
　　2.5.2　故障檢測(cè)和診斷步驟
　　2.5.3　仿真結(jié)果與分析
　2.6　小結(jié)
　參考文獻(xiàn)
第3章　過(guò)程工業(yè)故障診斷的核化多元統(tǒng)計(jì)方法
　3.1　引言
　3.2　核空間的定義與性質(zhì)
　3.3　核空間上的一些運(yùn)算
　3.4　算法可以核化的條件
　　3.4.1　特征向量的對(duì)偶表示形式
　　3.4.2　算法核化的條件
　3.5　多元統(tǒng)計(jì)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　對(duì)KCCA和KICA的變形和一些關(guān)系
　　3.5.7　核化算法的正則化
　　3.5.8　幾種核化算法的聯(lián)系
　3.6　核參數(shù)的確定
　3.7　多故障診斷問(wèn)題
　　3.7.1　引言
　　3.7.2　基于核的Bayes決策函數(shù)
　　3.7.3　KPCA和KFDA的故障診斷流程
　3.8　仿真結(jié)果及分析
　3.9　小結(jié)
　參考文獻(xiàn)
第4章　過(guò)程工業(yè)故障診斷的特征選取方法
　4.1　引言
　4.2　基于能量差異的小波包特征選取
　　4.2.1　算法思路
　　4.2.2　算法實(shí)現(xiàn)
　4.3　基于組合測(cè)度的特征選取
　　4.3.1　基于B距離的特征選取
　　4.3.2　組合測(cè)度特征選取步驟
　4.4　基于顯著性檢驗(yàn)和優(yōu)化準(zhǔn)則結(jié)合的雙向可增刪特征搜索
　　4.4.1　t-檢驗(yàn)
　　4.4.2　具體實(shí)現(xiàn)步驟
　4.5　仿真結(jié)果
　　4.5.1　特征選取結(jié)果
　　4.5.2　在線故障診斷結(jié)果比較
　4.6　小結(jié)
　參考文獻(xiàn)
第5章　過(guò)程工業(yè)故障診斷的小樣本問(wèn)題
　5.1　引言
　5.2　幾種正則化KFDA算法及其比較
　　5.2.1　算法一——廣義特征值方法
　　5.2.2　算法二——解方程組方法
　　5.2.3　算法三——凸優(yōu)化解法
　5.3　其他核算法的正則化
　　5.3.1　RKCCA
　　5.3.2　RKPLS
　5.4　SVM方法
　　5.4.1　硬間隔分類器
　　5.4.2　1范數(shù)軟間隔分類器
　　5.4.3　2范數(shù)軟間隔分類器
　5.5　算法仿真
　5.6　小結(jié)
　參考文獻(xiàn)
第6章　算法的模式穩(wěn)定性
　6.1　引言
　6.2　模式穩(wěn)定性概述
　6.3　分類器的模式穩(wěn)定性
　　6.3.1　線性分類函數(shù)的模式穩(wěn)定性
　　6.3.2　Bayes分類函數(shù)的模式穩(wěn)定性
　　6.3.3　正則化FDA模式穩(wěn)定性的變化
　6.4　核Bayes分類函數(shù)的模式穩(wěn)定性
　　6.4.1　線性函數(shù)類的模式穩(wěn)定性
　　6.4.2　基于核的Bayes函數(shù)類的模式穩(wěn)定性
　　6.4.3　算法模式穩(wěn)定性分析
　6.5　模式穩(wěn)定性指標(biāo)
　　6.5.1　誤分差和百分比
　　6.5.2　誤分均值偏離度
　6.6　算法模式穩(wěn)定性仿真分析
　　6.6.1　KPCA與KFDA算法的模式穩(wěn)定性
　　6.6.2　正則化KFDA算法的模式穩(wěn)定性
　6.7　核化算法參數(shù)的優(yōu)化
　6.8　小結(jié)
　參考文獻(xiàn)
第7章　基于解析模型的故障診斷
　7.1　引言
　7.2　故障描述
　　7.2.1　傳感器故障模型
　　7.2.2　執(zhí)行器故障模型
　　7.2.3　系統(tǒng)狀態(tài)故障模型
　　7.2.4　未知輸入系統(tǒng)故障模型
　　7.2.5　雙水箱系統(tǒng)描述
　7.3　狀態(tài)估計(jì)法
　　7.3.1　觀測(cè)器方法
　　7.3.2　濾波器方法
　　7.3.3　基于未知輸入觀測(cè)器的方法
　7.4　參數(shù)估計(jì)法
　7.5　等價(jià)空間法
　7.6　魯棒殘差產(chǎn)生問(wèn)題
　7.7　小結(jié)
　參考文獻(xiàn)
第8章　基于信號(hào)處理的故障診斷
　8.1　引言
　8.2　時(shí)域分析方法
　8.3　傅里葉分析方法
　8.4　小波分析方法
　　8.4.1　短時(shí)傅里葉變換
　　8.4.2　小波變換
　8.5　Hilbert-Huang變換方法
　　8.5.1　經(jīng)驗(yàn)?zāi)B(tài)分解
　　8.5.2　經(jīng)驗(yàn)?zāi)B(tài)分解的特性
　　8.5.3　Hilbert譜
　　8.5.4　端點(diǎn)效應(yīng)問(wèn)題
　　8.5.5　Hilbert-Huang分析示例
　8.6　BSS分析方法
　　8.6.1　ICA
　　8.6.2　基于二階統(tǒng)計(jì)量的BSS算法
　　8.6.3　特征矩陣聯(lián)合近似對(duì)角化算法
　　8.6.4　基于時(shí)頻分析的BSS算法
　　8.6.5　卷積混合BSS方法
　　8.6.6　BSS分析示例
　8.7　小結(jié)
　參考文獻(xiàn)
第9章　總結(jié)與展望
　9.1　全書總結(jié)
　9.2　展望
　參考文獻(xiàn)

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    過(guò)程工業(yè)故障診斷 PDF格式下載

---