《數據驅動的非預期故障診斷理論及套用》是2017年06月01日科學出版社出版的圖書，作者是何章鳴。
基本介紹
- 中文名：數據驅動的非預期故障診斷理論及套用
- 作者：何章鳴
- 出版時間：2017年06月01日
- 出版社：科學出版社
- 頁數：236 頁
- ISBN：9787030519023
- 定價：78 元
- 開本：B5
- 裝幀：平裝
內容簡介,圖書目錄,
內容簡介
本書介紹了數據驅動的故障診斷理論, 內容涉及故障診斷方法的數學基礎、理論分析和套用集成, 涵蓋了經典的數據驅動故障診斷方法和部分較新的非預期故障診斷方法. 數學基礎包括：矩陣分析、數理統計、故障診斷基本方法. 理論分析包括：非預期故障診斷的通用過程模型、基於平滑預處理的非預期故障診斷方法、基於時序建模的故障檢測方法、靜態模型故障檢測方法評估、動態模型非預期故障診斷與可視化. 套用集成包括：非預期故障診斷工具箱設計.
圖書目錄
目錄
前言
第1章 非預期故障診斷概述 1
1.1 背景與意義 1
1.1.1 背景 1
1.1.2 意義 2
1.2 國內外研究現狀 3
1.2.1 非預期故障診斷的方法 3
1.2.2 非預期故障診斷的套用 6
1.3 全書概況 8
1.3.1 問題引出 8
1.3.2章節安排 8
第2章 矩陣分析 11
2.1 矩陣和運算 11
2.1.1 矩陣 11
2.1.2 矩陣的運算 12
2.1.3 矩陣的數值特徵 12
2.1.4 矩陣表示方程 13
2.2 正交矩陣 14
2.2.1 反射 15
2.2.2 旋轉 16
2.3 矩陣分解 17
2.3.1 QR分解 17
2.3.2 奇異值分解 18
2.3.3 廣義特徵值分解 22
2.4 線性方程組的解 25
2.4.1 廣義逆 25
2.4.2 線性方程的解 26
2.4.3 條件數和方程解的穩定性 27
2.5 分塊矩陣的逆 29
2.5.1 分塊初等矩陣 29？
2.5.2 分塊矩陣的逆 29
2.5.3 分塊矩陣的廣義逆 31
2.5.4 分塊矩陣的行列式 31
2.6 算法浮點數 32
2.6.1 矩陣乘法 32
2.6.2 QR分解 32
2.6.3 奇異值分解 33
2.6.4 廣義逆 33
2.7 投影矩陣 34
2.7.1 正交投影 34
2.7.2 斜投影 35
2.7.3 投影遞歸公式 37
2.8 矩陣的跡 43
2.8.1 跡的微分公式 43
2.8.2 跡的不等式 44
第3章 數理統計 46
3.1 數值特徵 46
3.1.1 隨機向量 46
3.1.2 樣本矩陣 49
3.1.3 遞歸公式 51
3.2 常態分配的導出分布 51
3.2.1 常態分配 51
3.2.2 隨機矩陣 53
3.2.3 四種常用的導出分布 55
3.2.4 假設檢驗 59
3.3 參數估計性能評估 61
3.3.1 G-M定理 61
3.3.2 原模型和潛模型 63
3.3.3 有偏估計的性能評估 64
3.3.4 融合估計的性能評估 67
3.4 狀態估計性能評估 69
3.4.1 單信息最優估計 69
3.4.2 多信息最優估計 72
3.4.3 Kalman濾波公式 74？
第4章 故障診斷基本方法 77
4.1 變化及其類型 78
4.1.1 確定型變化和隨機型變化 78
4.1.2 微小變化和巨大變化 78
4.1.3 單變數變化和多變數變化 79
4.1.4 輸入變化和輸出變化 79
4.1.5 加性變化和乘性變化 79
4.2 故障和故障診斷 79
4.2.1 故障和故障類型 79
4.2.2 故障診斷 80
4.2.3 故障診斷性能評估 81
4.3 單變數故障檢測的基本方法 82
4.3.1 休哈特檢測法 82
4.3.2 累積和檢測法 85
4.3.3 指數加權平均檢測法 87
4.3.4 未知參數下的檢測方法 89
4.3.5 隨機故障檢測方法 92
4.4 多變數故障檢測的基本方法 94
4.4.1 數值特徵已知 94
4.4.2 數值特徵未知 95
4.4.3 多變數空間分解檢測方法 96
4.5 故障隔離的基本方法 98
4.5.1 基於距離的隔離方法 99
4.5.2 基於夾角的隔離方法 101
4.6 基於貢獻的故障隔離方法 102
第5章 非預期故障診斷的通用過程模型 105
5.1 非預期故障診斷的數學描述 105
5.2 四層結構通用過程模型 106
5.3 基於單類多元統計分析的非預期故障診斷流程 109
5.4 仿真驗證及結果分析 114
5.4.1 診斷對象及數據說明 114
5.4.2 診斷結果及分析 116
5.5 結論 119？
第6章 基於平滑預處理的非預期故障診斷方法 120
6.1 引言 120
6.2 非平穩數據的平滑預處理 120
6.2.1 趨勢和殘差 120
6.2.2 邊界處理技術 122
6.2.3 平滑預處理對故障診斷的影響 122
6.3 基於平滑預處理的非預期故障診斷流程 124
6.3.1 預期故障檢測 125
6.3.2 預期故障隔離 125
6.3.3 非預期故障檢測 126
6.3.4 非預期故障隔離 128
6.4 仿真驗證及結果分析 129
6.4.1 診斷對象及數據說明 129
6.4.2 平滑預處理 130
6.4.3 診斷結果及分析 132
6.5 結論 136
第7章 基於時序建模的故障檢測方法 138
7.1 引言 138
7.2 基於時序建模的改進檢測統計量 139
7.2.1 標準檢測統計量 139
7.2.2 改進檢測統計量 140
7.2.3 結構比較 142
7.2.4 改進檢測統計量的性能分析 143
7.3 改進檢測統計量的增量/減量算法 144
7.3.1 暴力算法 145
7.3.2 減量算法 145
7.3.3 算法的複雜度對比分析 149
7.4 仿真驗證及結果分析 149
7.4.1 案例1:單輸入單輸出 (SISO) 149
7.4.2 案例2:衛星姿態控制系統 (SACS) 152
7.5 結論 153
第8章 靜態模型故障檢測方法評估 155
8.1 引言 155
8.2 靜態模型檢測基本方法 156
8.2.1 模型已知 156？
8.2.2 模型未知 157
8.3 潛變數回歸與檢測的權框架 159
8.3.1 潛變數提取 160
8.3.2 潛變數回歸 160
8.3.3 潛變數檢測 162
8.3.4 故障診斷性能評估 163
8.3.5 小結 163
8.4 潛變數的提取和權矩陣的計算 165
8.4.1 主元分析和主元回歸 165
8.4.2 典型相關分析和典型相關回歸 165
8.4.3 偏最小二乘和偏最小二乘回歸 167
8.4.4 降秩回歸 168
8.4.5 小結 169
8.5 潛變數回歸與檢測的性能分析與評估 170
8.5.1 參數定理 170
8.5.2 校正定理 172
8.5.3 檢測定理 174
8.6 仿真驗證及結果分析 175
8.6.1 案例1:多輸入單輸出 (MISO) 176
8.6.2 案例2:多輸入多輸出 (MIMO) 180
8.6.3 案例3:田納西伊斯曼過程 (TEP) 181
8.6.4 案例4:近紅外反射 (NIR) 184
8.7 結論 186
第9章 動態模型非預期故障診斷與可視化 187
9.1 引言 187
9.2 動態模型檢測基本方法 187
9.2.1 模型已知 190
9.2.2 模型未知 190
9.3 動態系統的非預期故障診斷 193
9.3.1 預期故障隔離 193
9.3.2 非預期故障檢測 195
9.3.3 非預期故障隔離 196
9.4 故障的最優可視化算法 196
9.5 仿真驗證及結果分析 199
9.5.1 診斷對象和數據說明 199？
9.5.2 非預期故障診斷流程 199
9.5.3 故障的最優可視化 202
9.6 結論 203
第10章 非預期故障診斷工具箱設計 204
10.1 引言 204
10.2 工具箱的特點與理念 204
10.2.1 非預期故障診斷功能和可視化 204
10.2.2 基於模型故障診斷的數據驅動設計方法 205
10.2.3 殘差生成的穩定核表示 205
10.2.4 豐富的標稱數據和驗證模型 208
10.3 工具箱的設計與實現 208
10.3.1 方法選擇和參數設定 209
10.3.2 數據導入和預處理 209
10.3.3 故障診斷和可視化 210
10.3.4 工具箱常用的 MATLAB 命令 210
10.4 工具箱的演示 212
10.5 結論 214
參考文獻 215
索引 224
