“数字浪潮：工业互联网先进技术”丛书--数据驱动的工业过程在线监测与故障诊断
全新正版 极速发货
￥ 98.29 6.6折 ￥ 148 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者侍洪波、姜庆超、宋冰 著
出版社化学工业出版社
ISBN9787122432155
出版时间2023-06
装帧平装
开本其他
定价148元
货号1203017882
上书时间2024-11-21
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
无
目录
第1章 概述001
1.1 在线监测与故障诊断研究背景与意义002
1.1.1 研究背景002
1.1.2 研究意义004
1.2 在线监测与故障诊断定义004
1.2.1 什么是故障004
1.2.2 过程监测定义005
1.3 在线监测与故障诊断方法007
1.3.1 基于知识的方法007
1.3.2 基于解析模型的方法008
1.3.3 基于数据驱动的方法009
1.4 数据驱动在线监测与故障诊断发展现状012
1.4.1 发展历史012
1.4.2 研究现状及其存在的主要问题013
参考文献015
第2章 大规模多单元过程的分布式监测021
2.1 大规模多单元过程定义和特性022
2.2 大规模多单元过程监测研究现状022
2.3 基于性能驱动的分块分布式监测方法026
2.3.1 故障相关变量优选026
2.3.2 故障相关变量优选分布式PCA故障检测 027
2.3.3 故障相关变量优选分布式PCA故障隔离028
2.3.4 实验分析与结果讨论030
2.4 基于变量相关关系分块的分布式监测方法042
2.4.1 基于互信息与谱聚类分块的分布式监测方法042
2.4.2 仿真案例及分析046
2.5 基于正则化典型相关分析的分布式监测方法058
2.5.1 相关基础知识059
2.5.2 面向分布式故障检测的GA-正则化CCA064
2.5.3 数值模拟案例和应用研究068
参考文献077
第3章 多模态工业过程在线监测081
3.1 多模态过程定义和特性082
3.2 多模态过程监测研究现状082
3.2.1 多模型方法研究现状083
3.2.2 单模型方法研究现状085
3.3 离线模态划分与在线结果确定方法086
3.3.1 增广矩阵和局部离群因子相结合的模态划分方法090
3.3.2 时间窗口与递归局部离群因子相结合的模态划分方法093
3.3.3 基于两步贝叶斯融合的模型整合策略099
3.3.4 基于局部离群因子的模型选择策略100
3.3.5 仿真案例及分析101
3.4 多模态过程监测单模型方法107
3.4.1 理论基础108
3.4.2 时空局部保持协调方法109
3.4.3 统计量及控制限115
3.4.4 时空局部保持协调仿真案例及分析116
参考文献121
第4章 非线性过程在线监测127
4.1 非线性过程定义与特征128
4.2 基于并行PCA-KPCA的非线性过程监测方法129
4.2.1 相关基础知识129
4.2.2 基于P-PCA-KPCA的非线性过程监测132
4.2.3 应用实例研究136
4.3 基于局部加权典型相关分析的非线性过程监测方法147
4.3.1 CCA故障检测基础知识147
4.3.2 局部加权模型必要性分析148
4.3.3 JITL-LWCCA过程监测150
4.3.4 实验研究152
4.4 基于独立-联合学习神经网络的非线性过程监测方法164
4.4.1 SAE基础知识165
4.4.2 动机和问题描述166
4.4.3 基于IJL的监测166
4.4.4 附注169
4.4.5 实验研究与应用171
参考文献179
第5章 关键性能指标相关过程在线监测 185
5.1 关键性能指标监测意义186
5.2 关键性能指标监测研究现状187
5.2.1 关键性能指标预测187
5.2.2 关键性能指标相关过程监测188
5.3 多类型性能指标故障监测方法191
5.3.1 关键性能指标加性故障监测方法193
5.3.2 关键性能指标乘性故障监测方法196
5.3.3 过程加性/乘性故障并行在线监测198
5.3.4 关键性能指标加性/乘性故障监测仿真案例及分析199
5.4 全流程过程关键性能指标监测方法211
5.4.1 多子块独立元-主元回归方法212
5.4.2 多子块独立元-主元回归方法仿真案例及分析218
5.5 基于前处理的关键性能指标监测方法 227
5.5.1 问题描述227
5.5.2 时序约束NPE方法描述228
5.5.3 时序信息约束嵌入方法描述231
5.5.4 指标相关特征提取方法236
5.5.5 指标监测策略238
5.5.6 基于前处理的关键性能指标监测方法实验案例分析239
5.6 基于后处理的关键性能指标监测方法248
5.6.1 问题描述248
5.6.2 增强典型成分分析249
5.6.3 算法分析252
5.6.4 指标监测策略254
5.6.5 基于后处理的指标相关过程监测方法实验案例分析256
参考文献269
第6章 动态时变工业工程在线监测275
6.1 动态时变过程研究背景及现状276
6.2 局部离群概率和局部离群因子278
6.2.1 局部离群概率算法278
6.2.2 局部离群因子算法279
6.3 基于MWLOF和MWLoOP的故障检测算法280
6.3.1 基于MWLOF的在线模型更新281
6.3.2 基于MWLoOP的在线模型更新284
6.4 基于MWLOF和MWLoOP的时变多工况过程故障检测285
6.4.1 基于MWLOF算法的故障检测流程286
6.4.2 基于MWLoOP算法的故障检测流程287
6.5 仿真案例及分析289
6.5.1 数值仿真应用研究289
6.5.2 CSTR过程仿真应用研究297
参考文献310
第7章 非稳态间歇过程在线监测313
7.1 非稳态间歇过程的特点与研究现状314
7.2 基于时间片CCA的间歇过程关键单元监测方法316
7.2.1 对于间歇过程基于时间片CCA的故障检测316
7.2.2 时间片CCA故障检测方法的特点319
7.2.3 应用案例319
参考文献328
第8章 故障溯源诊断331
8.1 故障溯源诊断研究背景和意义332
8.2 故障溯源诊断方法研究现状333
8.3 基于贡献图的故障溯源诊断方法研究 334
8.3.1 基于主成分分析的故障检测334
8.3.2 接近分解贡献图法335
8.3.3 部分分解贡献图法336
8.3.4 基于重构的贡献图法337
8.3.5 仿真案例分析338
8.4 基于传播演化路径的故障溯源诊断方法研究342
8.4.1 贝叶斯网络342
8.4.2 格兰杰因果关系检验346
8.4.3 传递熵349
8.4.4 仿真案例及分析353
8.5 基于多块卷积变分信息瓶颈的故障诊断方法研究364
8.5.1 概述364
8.5.2 基于过程机理的变量分块方法365
8.5.3 并行多块1-D CNN建模策略366
8.5.4 变分信息瓶颈模型367
8.5.5 基于MBCVIB的故障诊断方法368
8.5.6 仿真实验与分析370
8.6 针对大规模工业过程故障诊断的多块自适应卷积核神经网络375
8.6.1 概述375
8.6.2 过程分解377
8.6.3 过程预处理377
8.6.4 特征提取377
8.6.5 特征加权378
8.6.6 模型训练和故障诊断379
8.6.7 仿真实验及分析380
参考文献387
内容摘要
本书为数据驱动的复杂工业过程的在线监测及故障诊断方法提供了较为完整的理论框架及案例应用分析。内容包括：大规模多单元过程的分布式监测、多模态工业过程在线监测、非线性过程在线监测、关键性能指标相关过程在线监测、动态时变工业工程在线监测、非稳态间歇过程在线监测、故障溯源诊断。
本书要求读者具有一定的统计知识基础和机器学习相关知识，可供自动化相关领域的科研人员及工程技术人员参考，也可作为自动控制或信息科学等相关专业本科生及研究生的参考用书。
主编推荐
针对近几年复杂工业过程在线监测及故障诊断领域的热点问题，本书在统计学习、机器学习方法的基础上，为数据驱动的复杂工业过程的在线监测及故障诊断方法提供了较为完整的理论框架支撑及案例应用分析
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价