基于数据的流程工业故障诊断方法研究

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。