扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
无头案:雍正暴亡之谜
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
基于数据的流程工业故障诊断方法研究 版权信息
- ISBN：9787121337819
- 条形码：9787121337819 ; 978-7-121-33781-9
- 装帧：简裝本
- 册数：暂无
- 重量：暂无
- 所属分类：>>
基于数据的流程工业故障诊断方法研究 本书特色
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进算法及基于分块的方法。本书还对神经网络及其应用进行研究，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进行探讨。 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。
基于数据的流程工业故障诊断方法研究 内容简介
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进算法及基于分块的方法。本书还对神经网络及其应用进行研究，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。很后，针对大数据问题与流程工业的数据建模问题之间的关系进行探讨。 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。
基于数据的流程工业故障诊断方法研究 目录
目 录
第1章 绪论 1
1.1 概述 1
1.1.1 流程工业故障诊断研究意义 1
1.1.2 故障诊断的任务 2
1.1.3 故障诊断的实现过程 3
1.1.4 故障诊断方法分类 4
1.2 基于解析模型的方法 4
1.3 基于历史数据的方法 6
1.3.1 基于信号处理的方法 6
1.3.2 多元统计方法 7
1.3.3 神经网络和专家系统 8
1.3.4 基于数据的方法与模式识别方法的关系 8
1.4 流程工业故障诊断研究进展 9
1.4.1 多元统计方法 10
1.4.2 基于神经网络的方法 11
1.5 本书内容安排 14
参考文献 16
第2章 流程工业故障检测与诊断的多元统计方法 22
2.1 引言 22
2.2 多元统计方法 22
2.2.1 主元分析法 22
2.2.2 Fisher判据分析法 25
2.2.3 部分*小二乘法 27
2.2.4 典型相关分析 29
2.2.5 独立元分析法 31
2.2.6 几种多元统计方法在瑞利商下的统一 32
2.3 故障的检测和辨识 33
2.3.1 基于T2和Q统计量的故障检测 33
2.3.2 基于I2统计量的故障检测 35
2.3.3 基于Bayes分类器的故障辨识 36
2.4 仿真算例 37
2.4.1 仿真数据介绍 37
2.4.2 故障检测和诊断步骤 40
2.5 小结 41
参考文献 42
第3章 基于LGSPP的故障检测与辨识 44
3.1 引言 44
3.2 LGSPP算法 44
3.2.1 LPP算法描述 44
3.2.2 LGSPP算法描述 45
3.3 基于LGSPP的故障检测与辨识 45
3.3.1 T2和SPE统计量构造 45
3.3.2 基于Bayes分类器的故障检测与辨识 46
3.4 基于DLGSPP的故障检测 49
3.4.1 DLGSPP的基本原理 49
3.4.2 基于DLGSPP的故障检测 49
3.5 仿真研究 50
3.5.1 基于LGSPP的故障检测仿真研究 50
3.5.2 基于DLGSPP的故障检测仿真研究 54
3.6 小结 56
参考文献 56
第4章 基于LNS-LGSPP的多模态过程故障检测 58
4.1 引言 58
4.2 局部近邻标准化策略 58
4.2.1 z-score标准化法 58
4.2.2 局部近邻标准化处理 61
4.2.3 局部近邻标准化分析 62
4.3 基于LNS-LGSPP算法的故障检测 63
4.4 仿真分析 64
4.4.1 数值仿真 65
4.4.2 TE过程 71
4.5 小结 74
参考文献 75
第5章 基于DKPCA及其改进算法的故障检测研究 76
5.1 引言 76
5.2 KPCA原理 76
5.3 基于DKPCA的故障检测 78
5.3.1 动态数据矩阵 78
5.3.2 核函数及核参的选取 78
5.3.3 基于DKPCA的故障检测步骤 80
5.4 基于EFS-DKPCA的故障检测 81
5.4.1 正交基的构造 81
5.4.2 输入空间到特征子空间的映射 82
5.4.3 基于EFS-DKPCA的故障检测步骤 83
5.5 仿真研究 83
5.5.1 基于DKPCA的故障检测仿真分析 84
5.5.2 基于EFS-DKPCA的故障检测仿真分析 87
5.6 小结 90
参考文献 90
第6章 基于BDKPCA及其改进算法的故障检测研究 92
6.1 引言 92
6.2 基于BDKPCA的故障检测 92
6.2.1 移动时间窗 92
6.2.2 BDKPCA基本原理 93
6.2.3 基于BDKPCA的故障检测步骤 93
6.3 基于小波去噪与EFS-BDKPCA的故障检测 94
6.3.1 小波去噪简介 94
6.3.2 基于小波去噪与EFS-BDKPCA的故障检测步骤 96
6.4 仿真研究 96
6.4.1 基于BDKPCA的故障检测仿真分析 97
6.4.2 基于小波与EFS-BDKPCA的故障检测仿真分析 97
6.5 小结 102
参考文献 102
第7章 学习矢量量化神经网络 103
7.1 引言 103
7.2 神经网络简介 103
7.2.1 人工神经元模型 103
7.2.2 多层前馈神经网络模型 104
7.3 LVQ神经网络 105
7.3.1 LVQ神经网络结构 105
7.3.2 LVQ神经网络实现规则 106
7.4 PCA-LVQ神经网络 107
7.4.1 基于PCA-LVQ的故障检测仿真分析 108
7.4.2 基于PCA-LVQ的故障诊断仿真分析 111
7.5 小结 112
参考文献 112
第8章 基于IIWPSO-PNN的故障诊断 113
8.1 引言 113
8.2 PNN简介 113
8.2.1 模式识别Bayes判决理论 113
8.2.2 PNN网络结构 114
8.2.3 PNN算法 115
8.3 IIWPSO算法 118
8.3.1 PSO的基本形式 118
8.3.2 PSO控制参数 119
8.3.3 IIWPSO算法 120
8.4 IIWPSO-PNN训练过程 121
8.5 仿真分析 123
8.5.1 数值仿真 123
8.5.2 基于IIWPSO-PNN的故障检测仿真分析 125
8.5.3 基于IIWPSO-PNN的故障诊断仿真分析 128
8.6 小结 129
参考文献 129
第9章 基于神经网络集成的故障诊断 131
9.1 引言 131
9.2 集成神经网络 131
9.2.1 神经网络集成的机理研究 131
9.2.2 个体生成方式研究 133
9.2.3 结论生成方式研究 134
9.3 IIWPSO-PNN集成算法 135
9.4 仿真分析 136
9.4.1 UCI标准机器学习库 136
9.4.2 基于IIWPSO-PNN集成的故障检测仿真分析 136
9.4.3 基于IIWPSO-PNN集成的故障诊断仿真分析 138
9.5 小结 139
参考文献 139
第10章 流程工业数据建模方法与大数据建模 140
10.1 引言 140
10.2 大数据概述 140
10.2.1 大数据的定义 140
10.2.2 我国的大数据发展 141
10.2.3 大数据的研究意义 142
10.2.4 大数据发展趋势 143
10.3 大数据的特点与研究领域 145
10.3.1 大数据的特点从3V到6V大数据定义演变 145
10.3.2 大数据的研究领域 146
10.3.3 流程工业大数据的特点 147
10.4 数据建模方法 149
10.4.1 流程工业数据建模方法 149
10.4.2 互联网公司大数据建模方法 149
10.4.3 流程工业大数据建模 150
10.5 流程工业大数据的挑战和机遇 150
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 150
10.5.2 计算机学科大数据*新进展带来的机遇 151
10.6 流程工业大数据建模*新进展与研究展望 151
10.6.1 多层面潜结构建模 151
10.6.2 多时空时间序列数据建模 152
10.6.3 含有不真实数据的鲁棒建模 153
10.6.4 支持实时建模的大容量数据计算架构与方法 154
10.7 结论 154
参考文献 155
第1章 绪论 1
1.1 概述 1
1.1.1 流程工业故障诊断研究意义 1
1.1.2 故障诊断的任务 2
1.1.3 故障诊断的实现过程 3
1.1.4 故障诊断方法分类 4
1.2 基于解析模型的方法 4
1.3 基于历史数据的方法 6
1.3.1 基于信号处理的方法 6
1.3.2 多元统计方法 7
1.3.3 神经网络和专家系统 8
1.3.4 基于数据的方法与模式识别方法的关系 8
1.4 流程工业故障诊断研究进展 9
1.4.1 多元统计方法 10
1.4.2 基于神经网络的方法 11
1.5 本书内容安排 14
参考文献 16
第2章 流程工业故障检测与诊断的多元统计方法 22
2.1 引言 22
2.2 多元统计方法 22
2.2.1 主元分析法 22
2.2.2 Fisher判据分析法 25
2.2.3 部分*小二乘法 27
2.2.4 典型相关分析 29
2.2.5 独立元分析法 31
2.2.6 几种多元统计方法在瑞利商下的统一 32
2.3 故障的检测和辨识 33
2.3.1 基于T2和Q统计量的故障检测 33
2.3.2 基于I2统计量的故障检测 35
2.3.3 基于Bayes分类器的故障辨识 36
2.4 仿真算例 37
2.4.1 仿真数据介绍 37
2.4.2 故障检测和诊断步骤 40
2.5 小结 41
参考文献 42
第3章 基于LGSPP的故障检测与辨识 44
3.1 引言 44
3.2 LGSPP算法 44
3.2.1 LPP算法描述 44
3.2.2 LGSPP算法描述 45
3.3 基于LGSPP的故障检测与辨识 45
3.3.1 T2和SPE统计量构造 45
3.3.2 基于Bayes分类器的故障检测与辨识 46
3.4 基于DLGSPP的故障检测 49
3.4.1 DLGSPP的基本原理 49
3.4.2 基于DLGSPP的故障检测 49
3.5 仿真研究 50
3.5.1 基于LGSPP的故障检测仿真研究 50
3.5.2 基于DLGSPP的故障检测仿真研究 54
3.6 小结 56
参考文献 56
第4章 基于LNS-LGSPP的多模态过程故障检测 58
4.1 引言 58
4.2 局部近邻标准化策略 58
4.2.1 z-score标准化法 58
4.2.2 局部近邻标准化处理 61
4.2.3 局部近邻标准化分析 62
4.3 基于LNS-LGSPP算法的故障检测 63
4.4 仿真分析 64
4.4.1 数值仿真 65
4.4.2 TE过程 71
4.5 小结 74
参考文献 75
第5章 基于DKPCA及其改进算法的故障检测研究 76
5.1 引言 76
5.2 KPCA原理 76
5.3 基于DKPCA的故障检测 78
5.3.1 动态数据矩阵 78
5.3.2 核函数及核参的选取 78
5.3.3 基于DKPCA的故障检测步骤 80
5.4 基于EFS-DKPCA的故障检测 81
5.4.1 正交基的构造 81
5.4.2 输入空间到特征子空间的映射 82
5.4.3 基于EFS-DKPCA的故障检测步骤 83
5.5 仿真研究 83
5.5.1 基于DKPCA的故障检测仿真分析 84
5.5.2 基于EFS-DKPCA的故障检测仿真分析 87
5.6 小结 90
参考文献 90
第6章 基于BDKPCA及其改进算法的故障检测研究 92
6.1 引言 92
6.2 基于BDKPCA的故障检测 92
6.2.1 移动时间窗 92
6.2.2 BDKPCA基本原理 93
6.2.3 基于BDKPCA的故障检测步骤 93
6.3 基于小波去噪与EFS-BDKPCA的故障检测 94
6.3.1 小波去噪简介 94
6.3.2 基于小波去噪与EFS-BDKPCA的故障检测步骤 96
6.4 仿真研究 96
6.4.1 基于BDKPCA的故障检测仿真分析 97
6.4.2 基于小波与EFS-BDKPCA的故障检测仿真分析 97
6.5 小结 102
参考文献 102
第7章 学习矢量量化神经网络 103
7.1 引言 103
7.2 神经网络简介 103
7.2.1 人工神经元模型 103
7.2.2 多层前馈神经网络模型 104
7.3 LVQ神经网络 105
7.3.1 LVQ神经网络结构 105
7.3.2 LVQ神经网络实现规则 106
7.4 PCA-LVQ神经网络 107
7.4.1 基于PCA-LVQ的故障检测仿真分析 108
7.4.2 基于PCA-LVQ的故障诊断仿真分析 111
7.5 小结 112
参考文献 112
第8章 基于IIWPSO-PNN的故障诊断 113
8.1 引言 113
8.2 PNN简介 113
8.2.1 模式识别Bayes判决理论 113
8.2.2 PNN网络结构 114
8.2.3 PNN算法 115
8.3 IIWPSO算法 118
8.3.1 PSO的基本形式 118
8.3.2 PSO控制参数 119
8.3.3 IIWPSO算法 120
8.4 IIWPSO-PNN训练过程 121
8.5 仿真分析 123
8.5.1 数值仿真 123
8.5.2 基于IIWPSO-PNN的故障检测仿真分析 125
8.5.3 基于IIWPSO-PNN的故障诊断仿真分析 128
8.6 小结 129
参考文献 129
第9章 基于神经网络集成的故障诊断 131
9.1 引言 131
9.2 集成神经网络 131
9.2.1 神经网络集成的机理研究 131
9.2.2 个体生成方式研究 133
9.2.3 结论生成方式研究 134
9.3 IIWPSO-PNN集成算法 135
9.4 仿真分析 136
9.4.1 UCI标准机器学习库 136
9.4.2 基于IIWPSO-PNN集成的故障检测仿真分析 136
9.4.3 基于IIWPSO-PNN集成的故障诊断仿真分析 138
9.5 小结 139
参考文献 139
第10章 流程工业数据建模方法与大数据建模 140
10.1 引言 140
10.2 大数据概述 140
10.2.1 大数据的定义 140
10.2.2 我国的大数据发展 141
10.2.3 大数据的研究意义 142
10.2.4 大数据发展趋势 143
10.3 大数据的特点与研究领域 145
10.3.1 大数据的特点从3V到6V大数据定义演变 145
10.3.2 大数据的研究领域 146
10.3.3 流程工业大数据的特点 147
10.4 数据建模方法 149
10.4.1 流程工业数据建模方法 149
10.4.2 互联网公司大数据建模方法 149
10.4.3 流程工业大数据建模 150
10.5 流程工业大数据的挑战和机遇 150
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 150
10.5.2 计算机学科大数据*新进展带来的机遇 151
10.6 流程工业大数据建模*新进展与研究展望 151
10.6.1 多层面潜结构建模 151
10.6.2 多时空时间序列数据建模 152
10.6.3 含有不真实数据的鲁棒建模 153
10.6.4 支持实时建模的大容量数据计算架构与方法 154
10.7 结论 154
参考文献 155
展开全部
基于数据的流程工业故障诊断方法研究 作者简介
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。
书友推荐
- >
李白与唐代文化
李白与唐代文化
¥9.5¥29.8 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥20.4¥68.0 - >
伊索寓言-世界文学名著典藏-全译本
伊索寓言-世界文学名著典藏-全译本
¥6.1¥19.0 - >
我与地坛
我与地坛
¥16.8¥28.0 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥9.1¥24.0 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥16.0¥45.8 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0
本类畅销
-
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6 -
2023读书月阅读盲盒——我什么场面没见过？
¥42.3¥158 -
2023读书月阅读盲盒——去码头整点什么薯条？
¥42.3¥158
