基于數(shù)據(jù)的流程工業(yè)故障診斷方法研究

定　價：￥59.00

作　者：	于春梅
出版社：	電子工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787121337819	出版時間：	2018-05-01	包裝：
開本：	16開	頁數(shù)：	168	字?jǐn)?shù)：

內(nèi)容簡介

　　本書采用DPCA方法解決過程動態(tài)的影響，采用局部投影方法與PCA方法結(jié)合使樣本的內(nèi)在特征得以體現(xiàn)，采用核方法處理非線性問題，并針對核方法的計算復(fù)雜問題提出了基于特征子空間投影的改進算法及基于分塊的方法。本書還對神經(jīng)網(wǎng)絡(luò)及其應(yīng)用進行研究，包括學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)集成等。最后，針對大數(shù)據(jù)問題與流程工業(yè)的數(shù)據(jù)建模問題之間的關(guān)系進行探討。本書可作為自動化、控制工程、檢測技術(shù)等相關(guān)領(lǐng)域研究生課程的參考書，也可以作為從事流程工業(yè)故障檢測與診斷的研究人員和工程技術(shù)人員的參考書。

作者簡介

　　于春梅，2010年博士畢業(yè)于西北工業(yè)大學(xué)控制科學(xué)與工程專業(yè)，西南科技大學(xué)信息工程學(xué)院教授。主要研究方向為系統(tǒng)辨識、故障診斷、模式識別、機器人控制等。承擔(dān)\

圖書目錄

目錄
第1章緒論\t1
1．1 概述\t1
1．1．1 流程工業(yè)故障診斷研究意義\t1
1．1．2 故障診斷的任務(wù)\t2
1．1．3 故障診斷的實現(xiàn)過程\t3
1．1．4 故障診斷方法分類\t4
1．2 基于解析模型的方法\t4
1．3 基于歷史數(shù)據(jù)的方法\t6
1．3．1 基于信號處理的方法\t6
1．3．2 多元統(tǒng)計方法\t7
1．3．3 神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)\t8
1．3．4 基于數(shù)據(jù)的方法與模式識別方法的關(guān)系\t8
1．4 流程工業(yè)故障診斷研究進展\t9
1．4．1 多元統(tǒng)計方法\t10
1．4．2 基于神經(jīng)網(wǎng)絡(luò)的方法\t11
1．5 本書內(nèi)容安排\t14
參考文獻\t16
第2章流程工業(yè)故障檢測與診斷的多元統(tǒng)計方法\t22
2．1 引言\t22
2．2 多元統(tǒng)計方法\t22
2．2．1 主元分析法\t22
2．2．2 Fisher判據(jù)分析法\t25
2．2．3 部分最小二乘法\t27
2．2．4 典型相關(guān)分析\t29
2．2．5 獨立元分析法\t31
2．2．6 幾種多元統(tǒng)計方法在瑞利商下的統(tǒng)一\t32
2．3 故障的檢測和辨識\t33
2．3．1 基于T2和Q統(tǒng)計量的故障檢測\t33
2．3．2 基于I2統(tǒng)計量的故障檢測\t35
2．3．3 基于Bayes分類器的故障辨識\t36
2．4 仿真算例\t37
2．4．1 仿真數(shù)據(jù)介紹\t37
2．4．2 故障檢測和診斷步驟\t40
2．5 小結(jié)\t41
參考文獻\t42
第3章基于LGSPP的故障檢測與辨識\t44
3．1 引言\t44
3．2 LGSPP算法\t44
3．2．1 LPP算法描述\t44
3．2．2 LGSPP算法描述\t45
3．3 基于LGSPP的故障檢測與辨識\t45
3．3．1 T2和SPE統(tǒng)計量構(gòu)造\t45
3．3．2 基于Bayes分類器的故障檢測與辨識\t46
3．4 基于DLGSPP的故障檢測\t49
3．4．1 DLGSPP的基本原理\t49
3．4．2 基于DLGSPP的故障檢測\t49
3．5 仿真研究\t50
3．5．1 基于LGSPP的故障檢測仿真研究\t50
3．5．2 基于DLGSPP的故障檢測仿真研究\t54
3．6 小結(jié)\t56
參考文獻\t56
第4章基于LNS-LGSPP的多模態(tài)過程故障檢測\t58
4．1 引言\t58
4．2 局部近鄰標(biāo)準(zhǔn)化策略\t58
4．2．1 z-score標(biāo)準(zhǔn)化法\t58
4．2．2 局部近鄰標(biāo)準(zhǔn)化處理\t61
4．2．3 局部近鄰標(biāo)準(zhǔn)化分析\t62
4．3 基于LNS-LGSPP算法的故障檢測\t63
4．4 仿真分析\t64
4．4．1 數(shù)值仿真\t65
4．4．2 TE過程\t71
4．5 小結(jié)\t74
參考文獻\t75
第5章基于DKPCA及其改進算法的故障檢測研究\t76
5．1 引言\t76
5．2 KPCA原理\t76
5．3 基于DKPCA的故障檢測\t78
5．3．1 動態(tài)數(shù)據(jù)矩陣\t78
5．3．2 核函數(shù)及核參的選取\t78
5．3．3 基于DKPCA的故障檢測步驟\t80
5．4 基于EFS-DKPCA的故障檢測\t81
5．4．1 正交基的構(gòu)造\t81
5．4．2 輸入空間到特征子空間的映射\t82
5．4．3 基于EFS-DKPCA的故障檢測步驟\t83
5．5 仿真研究\t83
5．5．1 基于DKPCA的故障檢測仿真分析\t84
5．5．2 基于EFS-DKPCA的故障檢測仿真分析\t87
5．6 小結(jié)\t90
參考文獻\t90
第6章基于BDKPCA及其改進算法的故障檢測研究\t92
6．1 引言\t92
6．2 基于BDKPCA的故障檢測\t92
6．2．1 移動時間窗\t92
6．2．2 BDKPCA基本原理\t93
6．2．3 基于BDKPCA的故障檢測步驟\t93
6．3 基于小波去噪與EFS-BDKPCA的故障檢測\t94
6．3．1 小波去噪簡介\t94
6．3．2 基于小波去噪與EFS-BDKPCA的故障檢測步驟\t96
6．4 仿真研究\t96
6．4．1 基于BDKPCA的故障檢測仿真分析\t97
6．4．2 基于小波與EFS-BDKPCA的故障檢測仿真分析\t97
6．5 小結(jié)\t102
參考文獻\t102
第7章學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)\t103
7．1 引言\t103
7．2 神經(jīng)網(wǎng)絡(luò)簡介\t103
7．2．1 人工神經(jīng)元模型\t103
7．2．2 多層前饋神經(jīng)網(wǎng)絡(luò)模型\t104
7．3 LVQ神經(jīng)網(wǎng)絡(luò)\t105
7．3．1 LVQ神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)\t105
7．3．2 LVQ神經(jīng)網(wǎng)絡(luò)實現(xiàn)規(guī)則\t106
7．4 PCA-LVQ神經(jīng)網(wǎng)絡(luò)\t107
7．4．1 基于PCA-LVQ的故障檢測仿真分析\t108
7．4．2 基于PCA-LVQ的故障診斷仿真分析\t111
7．5 小結(jié)\t112
參考文獻\t112
第8章基于IIWPSO-PNN的故障診斷\t113
8．1 引言\t113
8．2 PNN簡介\t113
8．2．1 模式識別Bayes判決理論\t113
8．2．2 PNN網(wǎng)絡(luò)結(jié)構(gòu)\t114
8．2．3 PNN算法\t115
8．3 IIWPSO算法\t118
8．3．1 PSO的基本形式\t118
8．3．2 PSO控制參數(shù)\t119
8．3．3 IIWPSO算法\t120
8．4 IIWPSO-PNN訓(xùn)練過程\t121
8．5 仿真分析\t123
8．5．1 數(shù)值仿真\t123
8．5．2 基于IIWPSO-PNN的故障檢測仿真分析\t125
8．5．3 基于IIWPSO-PNN的故障診斷仿真分析\t128
8．6 小結(jié)\t129
參考文獻\t129
第9章基于神經(jīng)網(wǎng)絡(luò)集成的故障診斷\t131
9．1 引言\t131
9．2 集成神經(jīng)網(wǎng)絡(luò)\t131
9．2．1 神經(jīng)網(wǎng)絡(luò)集成的機理研究\t131
9．2．2 個體生成方式研究\t133
9．2．3 結(jié)論生成方式研究\t134
9．3 IIWPSO-PNN集成算法\t135
9．4 仿真分析\t136
9．4．1 UCI標(biāo)準(zhǔn)機器學(xué)習(xí)庫\t136
9．4．2 基于IIWPSO-PNN集成的故障檢測仿真分析\t136
9．4．3 基于IIWPSO-PNN集成的故障診斷仿真分析\t138
9．5 小結(jié)\t139
參考文獻\t139
第10章流程工業(yè)數(shù)據(jù)建模方法與大數(shù)據(jù)建模\t140
10．1 引言\t140
10．2 大數(shù)據(jù)概述\t140
10．2．1 大數(shù)據(jù)的定義\t140
10．2．2 我國的大數(shù)據(jù)發(fā)展\t141
10．2．3 大數(shù)據(jù)的研究意義\t142
10．2．4 大數(shù)據(jù)發(fā)展趨勢\t143
10．3 大數(shù)據(jù)的特點與研究領(lǐng)域\t145
10．3．1 大數(shù)據(jù)的特點從3V到6V大數(shù)據(jù)定義演變\t145
10．3．2 大數(shù)據(jù)的研究領(lǐng)域\t146
10．3．3 流程工業(yè)大數(shù)據(jù)的特點\t147
10．4 數(shù)據(jù)建模方法\t149
10．4．1 流程工業(yè)數(shù)據(jù)建模方法\t149
10．4．2 互聯(lián)網(wǎng)公司大數(shù)據(jù)建模方法\t149
10．4．3 流程工業(yè)大數(shù)據(jù)建模\t150
10．5 流程工業(yè)大數(shù)據(jù)的挑戰(zhàn)和機遇\t150
10．5．1 流程工業(yè)大數(shù)據(jù)特點給傳統(tǒng)數(shù)據(jù)建模方法帶來的挑戰(zhàn)\t150
10．5．2 計算機學(xué)科大數(shù)據(jù)最新進展帶來的機遇\t151
10．6 流程工業(yè)大數(shù)據(jù)建模最新進展與研究展望\t151
10．6．1 多層面潛結(jié)構(gòu)建模\t151
10．6．2 多時空時間序列數(shù)據(jù)建模\t152
10．6．3 含有不真實數(shù)據(jù)的魯棒建模\t153
10．6．4 支持實時建模的大容量數(shù)據(jù)計算架構(gòu)與方法\t154
10．7 結(jié)論\t154
參考文獻\t155