《基於數據的複雜工業過程監測》是2011年12月東北大學出版社出版的圖書，作者是張穎偉。
基本介紹
- 書名：基於數據的複雜工業過程監測
- 作者：張穎偉
- ISBN：9787551700849
- 頁數：147
- 定價：43.00元
- 出版社：東北大學出版社
- 出版時間：2011-12
- 裝幀：平裝
- 開本：16
內容簡介,圖書目錄,
內容簡介
《基於數據的複雜工業過程監測》內容簡介：《基於數據的複雜工業過程監測》是作者精心為廣大讀者朋友們編寫而成的此書，可以讓更多的讀者朋友們了解到書中更多的知識，從而提升讀者自身的知識水平。《基於數據的複雜工業過程監測》主要介紹基於數據的故障檢測方法，重點放在基於PCA、ICA和PLS的方法。主要是根據數據的不同特點，將各種不同的方法進行有效的融合，進而給故障診斷帶來新的結果。
圖書目錄
第1章 故障檢測技術概述
1.1 引言
1.2 多元統計過程監控簡介
1.2.1 過程監控技術概述
1.2.2 工業過程監控方法的分類
1.2.3 監控技術的研究現狀
1.3 本書概況
第2章 基於KPCA的過程監測方法
2.1 概述
2.2 滑動中值濾波
2.2.1 工作原理
2.2.2 滑動中值濾波算法
2.3 核主元分析（KPCA）
2.3.1 核主元分析算法
2.3.2 基於KPCA的過程監控
2.4 動態核主元分析（DKPCA）算法
2.4.1 DKPCA基本原理介紹
2.4.2 DKPCA監控流程
2.5 基於SMF—MsKPcA過程監控算法
2.5.1 SMF—MSKPCA模型建立過程
2.5.2 SMF—MSKPCA故障檢測過程
2.6 基於SMF—MSKPCA的仿真研究
2.6.1 非線性數學模型套用仿真
2.6.2 田納西過程的套用仿真
2.6.3 青黴素髮酵過程的套用仿真
2.7 基於SMF—MSDKPCA的過程監控方法
2.8 SMF—MSDKPCA監控算法
2.9 仿真研究
2.9.1 動態非線性模型的套用仿真
2.9.2 田納西過程的套用仿真
2.10 本章小結
第3章 多模式過程監控方法
3.1 概述
3.2 主元分析
3.2.1 主元分析建模
3.2.2 基於主元分析的過程監控
3.3 多變數指數加權平均（MEwMA）
3.4 基於提取公共特性的多模式過程監控方法
3.5 提取公共特性的多模式過程監測方法
3.5.1 提取多模式公共基礎信息建立模型
3.5.2 將MEWMA引入多模式過程監控方法
3.5.3 提取公共特性的多模式過程監控方法線上監測
3.6 仿真研究和結果分析
3.6.1 連續退火過程
3.6.2 仿真結果分析
3.7 非線性核多模式過程監控方法
3.7.1 非線性核多模式過程監控法離線建模
3.7.2 非線性核多模式方法與MEwMA結合
3.7.3 非線性核多模式過程監控方法線上監測
3.8 仿真研究和結果分析
3.8.1 電熔鎂爐工作過程
3.8.2 仿真結果分析
3.9 本章小結
第4章 非高斯過程的過程監測方法
4.1 獨立元分析方法
4.1.1 獨立元分析的定義
4.1.2 數據預處理
4.1.3 獨立元分析算法
4.2 核獨立元分析算法
4.2.1 在特徵空間中自化數據
4.2.2 利用改進的ICA提取非線性獨立元
4.3 基於MBKICA的故障檢測方法
4.3.1 核矩陣分塊
4.3.2 利用MBKPCA算法求白化矩陣
4.3.3 用ICA算法進行故障檢測
4.4 基於多模態KICA的故障檢測方法
4.4.1 提取各個模態的全局主要向量
4.4.2 引入核方法提取各模態全局主要向量
4.4.3 多模態KICA算法的基本原理
4.5 仿真分析
4.5.1 冷軋連續退火機組的生產過程描述
4.5.2 對MBKICA方法的仿真分析
4.5.3 對多模態KICA方法的仿真分析
4.6 本章小結
第5章 基於多尺度核偏最小二乘法的過程監測方法研究
5.1 線上測量模型及相關算法研究
5.2 多尺度核偏最小二乘算法（MSKPLS）的研究
5.2.1 核偏最小二乘法
5.2.2 核偏最小二乘法的基本思想
5.2.3 核偏最小二乘算法建模機理
5.2.4 核函式的選擇
5.2.5 MSKPLS算法研究
5.3 過程監測與故障診斷中的套用規模和可變貢獻
5.4 實驗設計與結果分析
5.5 本章小結
第6章 工業過程的故障幅值估計
6.1 工業過程的故障幅值問題
6.2 故障幅值的估計
6.3 仿真研究
6.3.1 蒙特卡羅模擬
6.3.2 實驗結果分析與比較
6.4 本章小結
1.1 引言
1.2 多元統計過程監控簡介
1.2.1 過程監控技術概述
1.2.2 工業過程監控方法的分類
1.2.3 監控技術的研究現狀
1.3 本書概況
第2章 基於KPCA的過程監測方法
2.1 概述
2.2 滑動中值濾波
2.2.1 工作原理
2.2.2 滑動中值濾波算法
2.3 核主元分析（KPCA）
2.3.1 核主元分析算法
2.3.2 基於KPCA的過程監控
2.4 動態核主元分析（DKPCA）算法
2.4.1 DKPCA基本原理介紹
2.4.2 DKPCA監控流程
2.5 基於SMF—MsKPcA過程監控算法
2.5.1 SMF—MSKPCA模型建立過程
2.5.2 SMF—MSKPCA故障檢測過程
2.6 基於SMF—MSKPCA的仿真研究
2.6.1 非線性數學模型套用仿真
2.6.2 田納西過程的套用仿真
2.6.3 青黴素髮酵過程的套用仿真
2.7 基於SMF—MSDKPCA的過程監控方法
2.8 SMF—MSDKPCA監控算法
2.9 仿真研究
2.9.1 動態非線性模型的套用仿真
2.9.2 田納西過程的套用仿真
2.10 本章小結
第3章 多模式過程監控方法
3.1 概述
3.2 主元分析
3.2.1 主元分析建模
3.2.2 基於主元分析的過程監控
3.3 多變數指數加權平均（MEwMA）
3.4 基於提取公共特性的多模式過程監控方法
3.5 提取公共特性的多模式過程監測方法
3.5.1 提取多模式公共基礎信息建立模型
3.5.2 將MEWMA引入多模式過程監控方法
3.5.3 提取公共特性的多模式過程監控方法線上監測
3.6 仿真研究和結果分析
3.6.1 連續退火過程
3.6.2 仿真結果分析
3.7 非線性核多模式過程監控方法
3.7.1 非線性核多模式過程監控法離線建模
3.7.2 非線性核多模式方法與MEwMA結合
3.7.3 非線性核多模式過程監控方法線上監測
3.8 仿真研究和結果分析
3.8.1 電熔鎂爐工作過程
3.8.2 仿真結果分析
3.9 本章小結
第4章 非高斯過程的過程監測方法
4.1 獨立元分析方法
4.1.1 獨立元分析的定義
4.1.2 數據預處理
4.1.3 獨立元分析算法
4.2 核獨立元分析算法
4.2.1 在特徵空間中自化數據
4.2.2 利用改進的ICA提取非線性獨立元
4.3 基於MBKICA的故障檢測方法
4.3.1 核矩陣分塊
4.3.2 利用MBKPCA算法求白化矩陣
4.3.3 用ICA算法進行故障檢測
4.4 基於多模態KICA的故障檢測方法
4.4.1 提取各個模態的全局主要向量
4.4.2 引入核方法提取各模態全局主要向量
4.4.3 多模態KICA算法的基本原理
4.5 仿真分析
4.5.1 冷軋連續退火機組的生產過程描述
4.5.2 對MBKICA方法的仿真分析
4.5.3 對多模態KICA方法的仿真分析
4.6 本章小結
第5章 基於多尺度核偏最小二乘法的過程監測方法研究
5.1 線上測量模型及相關算法研究
5.2 多尺度核偏最小二乘算法（MSKPLS）的研究
5.2.1 核偏最小二乘法
5.2.2 核偏最小二乘法的基本思想
5.2.3 核偏最小二乘算法建模機理
5.2.4 核函式的選擇
5.2.5 MSKPLS算法研究
5.3 過程監測與故障診斷中的套用規模和可變貢獻
5.4 實驗設計與結果分析
5.5 本章小結
第6章 工業過程的故障幅值估計
6.1 工業過程的故障幅值問題
6.2 故障幅值的估計
6.3 仿真研究
6.3.1 蒙特卡羅模擬
6.3.2 實驗結果分析與比較
6.4 本章小結
