基于数据的故障分离

内容简介

[

　　《基于数据的故障分离》主要介绍基于数据驱动的故障监测和诊断方法，重点是对PCA，ICA和PLS方法的改进，根据数据不同的特点，将不同的方法有效融合，进而给出有效的故障监测和诊断效果。另外介绍了基于数据的过程监测及故障分离方法。目录第1章故障监测与诊断技术概述，第2章基于自适应核主元分析的过程监测，第3章基于方向核偏*小二乘的过程监测方法，第4章基于故障特征方向的KICA故障分离方法，第5章基于数据的过程监测及故障分离方法。

]

目录

第1章 故障监测与诊断技术概述1．1 多元统计过程故障监测概述1．1．1 多元统计过程监测技术概述1．1．2 多元统计过程监测方法概述1．1．3 多元统计过程监测国内外研究现状1．2 多元统计过程故障诊断概述1．2．1 多元统计过程故障诊断技术概述1．2．2 多元统计过程故障诊断方法概述1．2．3 多元统计过程故障诊断国内外研究现状本章参考文献第2章 基于自适应核主元分析的过程监测2．1 自适应核主元分析方法基础理论2．1．1 基于滑动窗口机制的核主元分析2．1．2 指数加权核主元分析方法2．2 基于自适应核主元分析的过程监测2．2．1 自适应核主元分析方法的建模过程2．2．2 基于自适应核主元分析的在线过程监测2．2．3 仿真研究与结果分析2．3 基于特征空间损失函数的核主元分析方法2．3．1 特征空间中的损失函数2．3．2 基于特征空间损失函数的核主元分析方法2．4 基于遗忘因子的核主元分析模型更新2．5 迭代形式的核主元分析算法2．5．1 迭代形式的核主元分析算法2．5．2 加入惩罚因子的迭代核主元分析算法2．6 基于惩罚因子的自适应核主元分析过程监测2．7 仿真研究与结果分析2．8 本章小结本章参考文献第3章 基于方向核偏*小二乘的过程监测方法3．1 方向偏*小二乘算法的推导3．1．1 PLS残差与输出变量之间的相关性证明3．1．2 相关部分的求取3．1．3 残差剩余部分与输出变量之间的相关性证明3．2 基于DKPLS的过程监测方法3．2．1 核函数方法3．2．2 基于DKPLS的过程监测3．3 实验结果3．3．1 电熔镁炉工作原理3．3．2 实验结果分析3．4 基于方向核偏*小二乘（DKPLS）的故障诊断方法3．4．1 故障主元方向的选择方法3．4．2 基于DKPLS的重构方法3．5 基于方向核偏*小二乘（DKPLS）的故障重构诊断方法3．6 仿真实验3．6．1 故障主元方向的选择3．6．2 故障的重构诊断3．7 本章小结本章参考文献第4章 基于故障特征方向的KICA故障分离方法4．1 经典重构中的故障方向4．2 独立元空间故障特征方向提取的仿真分析4．3 改进的KICA故障分离原理4．3．1 故障相关方向的提取4．3．2 在线故障分离4．4 仿真和结果分析4．4．1 电熔镁炉的生产过程描述4．4．2 仿真结果分析4．5 多模式核独立元分析方法4．5．1 公共模型和特殊模型分析4．5．2 独立元空间公共模型和特殊模型的建立4．5．3 残差空间的公共模型和特殊模型的建立4．5．4 MKICA在线监测4．6 仿真研究与结果分析4．6．1 田纳西过程介绍4．6．2 田纳西数据仿真结果分析4．7 本章小结本章参考文献第5章 基于数据的过程监测及故障分离方法5．1 基于KPCA的子空间划分方法5．2 基于KPCA的故障重构方法5．2．1 基于T2统计量重构的故障特征方向的提取5．2．2 基于SPE统计量重构的故障特征方向的提取5．2．3 故障重构方法5．3 基于KPcA方法的在线故障分离5．4 仿真研究5．4．1 电熔镁炉工作过程5．4．2 仿真结果分析5．4．3 故障特征方向的特性讨论5．5 基于KLSR的故障分离方法5．5．1 核*小二乘回归（KLSR）算法5．5．2 基于KLsR的故障分离5．6 基于DS-KLsR的故障分离方法5．6．1 基于核*小二乘回归的数据提取算法5．6．2 基于DS-KLSR的故障分离5．7 仿真研究5．7．1 算法分类特性分析5．7．2 仿真结果分析5．8 本章小结本章参考文献

封面

书名:基于数据的故障分离

作者:张颖伟

页数:171

定价:¥68.0

出版社:东北大学出版社

出版日期:2016-11-01

ISBN:9787551714716

PDF电子书大小:156MB 高清扫描完整版