基於數據的故障分離

內容簡介

《基於數據的故障分離》主要介紹基於數據驅動的故障監測和診斷方法，重點是對PCA，ICA和PLS方法的改進，根據數據不同的特點，將不同的方法有效融合，進而給出有效的故障監測和診斷效果。另外介紹了基於數據的過程監測及故障分離方法。目錄第1章故障監測與診斷技術概述，第2章基於自適應核主元分析的過程監測，第3章基於方向核偏*小二乘的過程監測方法，第4章基於故障特徵方向的KICA故障分離方法，第5章基於數據的過程監測及故障分離方法。

圖書目錄

第1章故障監測與診斷技術概述

1．1 多元統計過程故障監測概述

1．1．1 多元統計過程監測技術概述

1．1．2 多元統計過程監測方法概述

1．1．3 多元統計過程監測國內外研究現狀

1．2 多元統計辣採過程故障診斷概述

1．2．1 多元統計過程故障診斷技術概述

1．2．2 多元統計過程故障診斷方法棕厚舟微概述

1．2．3 多元統計過程故障診斷國內外研究現狀

本章參考文獻

第2章基於自適應核主元分析的過程棵察府監測

2．1 自適應核主元分析方法基礎理論

2．1．1 基於滑動視窗機制的核主設殼漿元分析

2．1．2 指數加權核主元分析方法

2．2 基於自適應核主元分析的過程監測

2．2．1 自適應核主元分析方法的建模過程

2．2．2 基於自適應核主元分析的線上過程監測

2．2．3 仿真研究與結果分析

2．3 基於特徵空間損失函式的核主元分析方法

2．3．1 特徵空間中的損失函式

2．3．2 基於特徵空間損失函式的核主元分析方法

2．4 基於遺忘因子的核主元分析模型更新

2．5 疊代形式的核主元分析算法

2．5．1 疊代形式的核主元分析算法

2．5．2 加入懲罰因子的疊代核主元分析算法

2．6 基於懲罰因子的自適應核主元分析過程監測

2．7 仿真研究與結果分析

2．8 本章小結

本章參考文獻

第3章基於方向核偏最小二乘的過程監測方法

3．1 方向偏最小二乘算法的推導

3．1．1 PLS殘差與輸出變數之間的相關糠幾獄阿性證明

3．1．2 相關部分的求取

3．1．3 殘差剩餘部分與輸出變數之間的相關性證明

3．2 基於DKPLS的過程監測方法

3．2．1 核函式方法

3．2．2 基於DKPLS的過程監測

3．3 實驗結果

3．3．1 電熔鎂爐工作原理

3．3．2 實驗結果分析

3．4 基於方向核偏最小二乘贈茅求（DKPLS）的故障診斷方法

3．4．1 故障主元方向的選擇方法

3．4．2 基於DKPLS的重構方法

3．5 基於方向核偏最小二乘（DKPLS）的故障重構診斷方法

3．6 仿真實驗

3．6．1 故障主元方向的選擇

3．6．2 故障的重構診斷

3．7 本章小結

本章參考文獻

第4章基於故障特徵方向的KICA故障分離方法

4．1 經典重構中的故障方向

4．2 獨立元空間故障特徵方向提取的仿真分析

4．3 改進的KICA故障分離原理

4．3．1 故障相關方向的提取

4．3．2 線上故障分離

4．4 仿真和結果分析

4．4．1 電熔鎂爐的生產過程描述

4．4．2 仿真結果分析

4．5 多模式核獨立元分析方法

4．5．1 公共模型和特殊模型分析

4．5．2 獨立元空間公共模型和特殊模型的建立

4．5．3 殘差空間的公共模型和特殊模型的建立

4．5．4 MKICA線上監測

4．6 仿真研究與結果分析

4．6．1 田納西過程介紹

4．6．2 田納西數據仿真結果分析

4．7 本章小結

本章參考文獻

第5章基於數據的過程監測及故障分離方法

5．1 基於KPCA的子空間劃分方法

5．2 基於KPCA的故障重構方法

5．2．1 基於T2統計量重構的故障特徵方向的提取

5．2．2 基於SPE統計量重構的故障特徵方向的提取

5．2．3 故障重構方法

5．3 基於KPcA方法的線上故障分離

5．4 仿真研究

5．4．1 電熔鎂爐工作過程

5．4．2 仿真結果分析

5．4．3 故障特徵方向的特性討論

5．5 基於KLSR的故障分離方法

5．5．1 核最小二乘回歸（KLSR）算法

5．5．2 基於KLsR的故腿匪櫃障分離

5．6 基於DS-KLsR的故障分離方法

5．6．1 基於核最小二乘回歸的數據提取算法

5．6．2 基於DS-KLSR的故障分離

5．7 仿真研究

5．7．1 算法分類特性分析

5．7．2 仿真結果分析

5．8 本章小結

本章參考文獻

基於數據的故障分離

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條