万本电子书0元读

万本电子书0元读

顶部广告

基于数据的流程工业故障诊断方法研究电子书 租阅

提出基于特征子空间投影的改算法及基于分块的方法,对神经网络及其应用行研究,并针对大数据问题与流程工业的数据建模问题之间的关系行探讨

售       价:¥

纸质售价:¥46.60购买纸书

81人正在读 | 1人评论 6.2

作       者:于春梅,吴斌

出  版  社:电子工业出版社

出版时间:2018-05-01

字       数:13.0万

所属分类: 科技 > 工业技术 > 重工业

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(1条)
  • 读书简介
  • 目录
  • 累计评论(1条)
本书采用DPCA方法解决过程动态的影响,采用局部投影方法与PCA方法结合使样本的内在特征得以体现,采用核方法处理非线性问题,并针对核方法的计算复杂问题提出了基于特征子空间投影的改算法及基于分块的方法。本书还对神经网络及其应用行研究,包括学习矢量量化神经网络、概率神经网络、神经网络集成等。*后,针对大数据问题与流程工业的数据建模问题之间的关系行探讨。 本书可作为自动化、控制工程、检测技术等相关领域研究生课程的参考书,也可以作为从事流程工业故障检测与诊断的研究人员和工程技术人员的参考书。 本书采用DPCA方法解决过程动态的影响,采用局部投影方法与PCA方法结合使样本的内在特征得以体现,采用核方法处理非线性问题,并针对核方法的计算复杂问题提出了基于特征子空间投影的改算法及基于分块的方法。本书还对神经网络及其应用行研究,包括学习矢量量化神经网络、概率神经网络、神经网络集成等。*后,针对大数据问题与流程工业的数据建模问题之间的关系行探讨。 本书可作为自动化、控制工程、检测技术等相关领域研究生课程的参考书,也可以作为从事流程工业故障检测与诊断的研究人员和工程技术人员的参考书。
【推荐语】
提出基于特征子空间投影的改算法及基于分块的方法,对神经网络及其应用行研究,并针对大数据问题与流程工业的数据建模问题之间的关系行探讨
【作者】
于春梅,2010年博士毕业于西北工业大学控制科学与工程专业,西南科技大学信息工程学院教授。主要研究方向为系统辨识、故障诊断、模式识别、机器人控制等。承担"自动控制理论”等本科课程及研究生"系统辨识与建模”的教学工作。参编教材2部,参与多项教学改革项目,获得多项教学成果奖。发表论文20余篇,副主编专著1部;作为项目负责人完成四川省教育厅科研项目1项并参与多项纵横向项目。
目录展开

内容简介

前言

第1章 绪论

1.1 概述

1.1.1 流程工业故障诊断研究意义

1.1.2 故障诊断的任务

1.1.3 故障诊断的实现过程

1.1.4 故障诊断方法分类

1.2 基于解析模型的方法

1.3 基于历史数据的方法

1.3.1 基于信号处理的方法

1.3.2 多元统计方法[34]

1.3.3 神经网络和专家系统

1.3.4 基于数据的方法与模式识别方法的关系

1.4 流程工业故障诊断研究进展

1.4.1 多元统计方法

1.4.2 基于神经网络的方法

1.5 本书内容安排

参 考 文 献

第2章 流程工业故障检测与诊断的多元统计方法

2.1 引言

2.2 多元统计方法

2.2.1 主元分析法

2.2.2 Fisher判据分析法

2.2.3 部分最小二乘法

2.2.4 典型相关分析

2.2.5 独立元分析法

2.2.6 几种多元统计方法在瑞利商下的统一

2.3 故障的检测和辨识

2.3.1 基于T2和Q统计量的故障检测

2.3.2 基于I2统计量的故障检测

2.3.3 基于Bayes分类器的故障辨识

2.4 仿 真 算 例

2.4.1 仿真数据介绍

2.4.2 故障检测和诊断步骤

2.5 小结

参 考 文 献

第3章 基于LGSPP的故障检测与辨识

3.1 引言

3.2 LGSPP算法

3.2.1 LPP算法描述

3.2.2 LGSPP算法描述

3.3 基于LGSPP的故障检测与辨识

3.3.1 T 2和SPE统计量构造

3.3.2 基于Bayes分类器的故障检测与辨识

3.4 基于DLGSPP的故障检测

3.4.1 DLGSPP的基本原理

3.4.2 基于DLGSPP的故障检测

3.5 仿 真 研 究

3.5.1 基于LGSPP的故障检测仿真研究

3.5.2 基于DLGSPP的故障检测仿真研究

3.6 小结

参 考 文 献

第4章 基于LNS-LGSPP的多模态过程故障检测

4.1 引言

4.2 局部近邻标准化策略

4.2.1 z-score标准化法

4.2.2 局部近邻标准化处理

4.2.3 局部近邻标准化分析

4.3 基于LNS-LGSPP算法的故障检测

4.4 仿 真 分 析

4.4.1 数值仿真

4.4.2 TE过程

4.5 小结

参 考 文 献

第5章 基于DKPCA及其改进算法的故障检测研究

5.1 引言

5.2 KPCA原理[1]

5.3 基于DKPCA的故障检测

5.3.1 动态数据矩阵

5.3.2 核函数及核参的选取

5.3.3 基于DKPCA的故障检测步骤

5.4 基于EFS-DKPCA的故障检测[9]

5.4.1 正交基的构造

5.4.2 输入空间到特征子空间的映射

5.4.3 基于EFS-DKPCA的故障检测步骤

5.5 仿 真 研 究

5.5.1 基于DKPCA的故障检测仿真分析

5.5.2 基于EFS-DKPCA的故障检测仿真分析

5.6 小结

参 考 文 献

第6章 基于BDKPCA及其改进算法的故障检测研究

6.1 引言

6.2 基于BDKPCA的故障检测[2]

6.2.1 移动时间窗

6.2.2 BDKPCA基本原理

6.2.3 基于BDKPCA的故障检测步骤

6.3 基于小波去噪与EFS-BDKPCA的故障检测

6.3.1 小波去噪简介

6.3.2 基于小波去噪与EFS-BDKPCA的故障检测步骤

6.4 仿 真 研 究

6.4.1 基于BDKPCA的故障检测仿真分析

6.4.2 基于小波与EFS-BDKPCA的故障检测仿真分析

6.5 小结

参 考 文 献

第7章 学习矢量量化神经网络

7.1 引言

7.2 神经网络简介

7.2.1 人工神经元模型

7.2.2 多层前馈神经网络模型

7.3 LVQ神经网络

7.3.1 LVQ神经网络结构

7.3.2 LVQ神经网络实现规则

7.4 PCA-LVQ神经网络[2]

7.4.1 基于PCA-LVQ的故障检测仿真分析

7.4.2 基于PCA-LVQ的故障诊断仿真分析

7.5 小结

参 考 文 献

第8章 基于IIWPSO-PNN的故障诊断

8.1 引言

8.2 PNN简介

8.2.1 模式识别Bayes判决理论

8.2.2 PNN网络结构

8.2.3 PNN算法

8.3 IIWPSO算法

8.3.1 PSO的基本形式

8.3.2 PSO控制参数

8.3.3 IIWPSO算法[6]

8.4 IIWPSO-PNN训练过程[6]

8.5 仿 真 分 析

8.5.1 数值仿真

8.5.2 基于IIWPSO-PNN的故障检测仿真分析

8.5.3 基于IIWPSO-PNN的故障诊断仿真分析

8.6 小结

参 考 文 献

第9章 基于神经网络集成的故障诊断

9.1 引言

9.2 集成神经网络

9.2.1 神经网络集成的机理研究

9.2.2 个体生成方式研究

9.2.3 结论生成方式研究

9.3 IIWPSO-PNN集成算法

9.4 仿 真 分 析

9.4.1 UCI标准机器学习库

9.4.2 基于IIWPSO-PNN集成的故障检测仿真分析

9.4.3 基于IIWPSO-PNN集成的故障诊断仿真分析

9.5 小结

参 考 文 献

第10章 流程工业数据建模方法与大数据建模

10.1 引言

10.2 大数据概述

10.2.1 大数据的定义

10.2.2 我国的大数据发展

10.2.3 大数据的研究意义

10.2.4 大数据发展趋势

10.3 大数据的特点与研究领域

10.3.1 大数据的特点从3V到6V大数据定义演变

10.3.2 大数据的研究领域

10.3.3 流程工业大数据的特点

10.4 数据建模方法

10.4.1 流程工业数据建模方法[8]

10.4.2 互联网公司大数据建模方法

10.4.3 流程工业大数据建模[6]

10.5 流程工业大数据的挑战和机遇

10.5.1 流程工业大数据特点给传统数据建模方法带来的挑战

10.5.2 计算机学科大数据最新进展带来的机遇[18]

10.6 流程工业大数据建模最新进展与研究展望

10.6.1 多层面潜结构建模

10.6.2 多时空时间序列数据建模

10.6.3 含有不真实数据的鲁棒建模

10.6.4 支持实时建模的大容量数据计算架构与方法

10.7 结论

参 考 文 献

累计评论(1条) 1个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部