內容簡介
本書根據目前軟測量技術在控制理論研究和實踐中尚未形成系統的理論這一現狀而編寫。主要內容包括數據處理理論——小波分析,主元分析法,非線性多元回歸法,逐步回歸法,主元分析,主元回歸,部分最小二乘法等主要建模方法以及系統辨識法和機理建模法。
全書語言簡潔,實例豐富、實踐性強。可供自動化、檢測技術、機電裝備及計算機套用類本科生、碩士研究生和相關教師使用,也可供從事相關領域的科研人員和工程技術人員參考。
編輯推薦
系統詮釋軟測量技術原理,全面剖析工程套用案例,契合工業企業的套用需求,高度概括控制理論體系。本書精華內容:
系統建模方法和軟量測量技術——小波分析、主元分析、部分最小二乘、系統辨識技術、神經網路技術和最佳化算法;
非線性軟測量方法——機理建模、神經元技術、主元分析、部分最小二乘、系統辨識和模式識別;
典型工況套用案例——建立常壓塔裝置的脫空度和乾點軟儀表、聚合過程質量軟儀表。
圖書目錄
前言
第1章 軟測量技術概述
1.1 軟測量技術
1.1.1 軟測量的輔助變數選擇
1.1.2 軟測量的數據選擇與處理
1.1.3 軟測量的模型辨識與驗證
1.2 建模的目的和基本方法
1.2.1 建立數學模型的主要目的
1.2.2 建立模型的基本方法
1.3 小波分析及其套用
1.4 多變數統計建模方法及其在軟測量中的套用
1.4.1 相關分析和回歸分析
1.4.2 主元分析法
1.4.3 部分最小二乘法
1.5 建模與系統辨識
1.6 人工神經網路及其套用
1.7 最佳化算法及其在軟測量技術中的套用
1.8 軟測量的實施
1.9 軟測量的線上校正
第2章 小波算法用於數據處理
2.1 傅立葉變換
2.2 小波變換
2.2.1 函式空間和廣義空間
2.2.2 小波變換原理
2.2.3 傅立葉變換、加窗傅立葉變換和小波變換的比較
2.3 一維連續小波變換
2.4 高維連續小波變換
2.5 一維離散小波變換
2.5.1 離散小波變換
2.5.2 二進制小波變換
2.6 多分辨分析
2.7 一維Mallat算法
2.8 提升小波變換
2.9 幾種常用的小波基函式
2.10 小波分析在信號處理中的套用
2.10.1 仿真信號
2.10.2 一維連續小波分析
2.10.3 一維離散小波分析
2.10.4 用小波分析進行信號的消噪
2.10.5 小波濾波的線上實現
2.10.6 用小波分析進行信號的奇異性檢測
2.10.7 用小波分析進行信號的壓縮
2.10.8 用小波分析進行信號的發展趨勢識別
2.10.9 用小波分析進行信號的抑制與衰減
2.10.10 用小波分析進行某頻率區間信號的識別
2.10.11 用小波分析進行信號的自相似性檢測
2 10 12 結論
2.10.13 Matlab程式
思考題與習題
第3章 多變數統計建模方法及其在軟測量中的套用
3.1 相關分析
3.1.1 相關係數計算公式
3.1.2 相關係數r的特點
3.1.3 判斷變數間相關程度的原則
3.l.4 線性化方法
3.1.5 現場數據的處理結果
3.2 多元統計回歸分析
3.2.1 多元線性回歸分析
3.2.2 F檢驗和t檢驗
3.2.3 在非線性系統中的套用
3.2.4 多元線性回歸方法的原理
3.2.5 多元線性回歸計算的主要參數
3.2.6 多元線性回歸方程的檢驗
3.2.7 多元線性回歸法的套用示例
3.2.8 噴射塔中S02吸收傳質係數的軟測量
3.2.9 多元線性回歸程式說明及源程式
3.3 多元逐步回歸方法
3.3.1 逐步回歸法的概念
3.3.2 多元逐步回歸方法計算步驟
3.3.3 逐步回歸法存在的問題
3.3.4 套用示例
3.3.5 逐步回歸程式說明及源程式
3.4 主元分析法
3.4.1 概述
3.4.2 主元分析方法
3.4.3 NIPALS方法
3.4.4 主元的主要性質
3.4.5 主元回歸方法
3.4.6 主元回歸方法程式說明及源程式
3.4.7 多尺度主元分析
3.4.8 遞推主元分析
3.4.9 協方差矩陣的遞推求解
3.4.10 基於秩-1更新的遞推主元分析
3.4.11 更新主元個數與控制限
3.5 部分最小二乘法
3.5.1 概述
3.5.2 部分最小二乘回歸法原理
3.5.3 部分最小二乘回歸法的計算方法推導
3.5.4 部分最小_二乘回歸法的計算步驟
3.5.5 部分最小二乘回歸模型的檢驗
3.5.6 部分最小二乘回歸模型的性質
3.5.7 部分最小二乘法PLS程式說明發源程式
3.5.8 正交信號修正的部分最小二乘法
3.5.9 套用示例
3.5.10 PLS與PCR的比較
3.5.11 部分最小二乘遞推算法
3.6 基於Chebyshev多項式的部分最小_乘法
3.6.1 Chebyshev多項式
3.6.2 基於Chebyshev多項式改進的非線性PLS方法
3.6.3 基於Chebyshev多項式改進的部分最小二乘算法程式說明及源程式
3.7 五種建模方法比較
思考題和習題
第4章 系統辨識及其在軟測量技術中的套用
4.1 建立數學模型的方法
4.1.1 概述
4.1.2 辨識建模
4.2 最小二乘法
4.2.1 模型結構
4.2.2 最小二乘格式
4.2.3 最小二乘法的解
4.3 最小二乘參數估計的遞推算法
4.4 小二乘法的遺忘因子法
4.4.1 "數據飽和"現象
4.4.2 最小二乘遺忘因子法的一次完成算法
4.4.3 最小二乘遺忘因子法的遞推算法
4.5 按模型階次增加的遞推算法
4.6 增廣最小二乘法
4 6 1 增廣最小二乘法的一次完成法
4.6.2 增廣最小二乘法的遞推算法
4.7 廣義最小二乘法
4.7.1 廣義最小二乘法的一次完成法
4.7.2 廣義最小二乘法的遞推算法
4.8 多步最小二乘法
4.8.1 估計權序列
4.8.2 估計模型的參數
4.8.3 噪聲模型參數的估計
4.9 各種最小二乘法的比較
4.10 傳遞函式模型辨識
4.10.1 閉環系統辨識方法
4.10.2 NLJ最佳化算法
4.10.3 MPSEIVI方法對象模型辨識的求解過程
思考題與習題
第5章 化學反應器的機理模型
5.1 混合理想的釜式反應器
5.1.1 一級反應
5.1.2 平衡反應
5.2 混合理想的級聯反應器系列
5.3 容量可變、混合理想的等溫釜式反應器的動態特性
5.4 容量可變、混合理想的等溫釜式反應器的調節
5.5 處於絕熱狀態下的固定床催化反應器
5.5.1 模型方程
5.5.2 靜態特性
5.5.3 動態特性
5.5.4 信息流圖
5.5.5 穩定條件
5.6 有冷卻的混合理想反應器
5.7 通過調整冷卻水流量控制反麻器實例
5.8 實例
5.8.1 實例l:反應器的溫度調節
5.8.2 實例2:丙烯水合反應器的最佳化控制
5.8.3 實例3:聚丙烯腈工序質量指標的軟測量技術
思考題與習題
第6章 人工神經網路理論及其在建模中的套用
第7章 最佳化算法及其在軟測量技術中的套用
附錄A F分布值表
附錄B t分布表
參考文獻