基于数据的流程工业故障诊断方法研究电子书

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