目錄
“信息科學(xué)技術(shù)學(xué)術(shù)著作叢書”序
前言
第1章 背景 1
1.1 引言 1
1.1.1 過程監(jiān)控方法 1
1.1.2 基于多元統(tǒng)計分析的過程監(jiān)控 3
1.2 故障檢測指標(biāo) 5
1.2.1 T2統(tǒng)計 5
1.2.2 平方預(yù)測誤差 8
1.2.3 馬哈拉諾比斯距離 9
1.2.4 綜合指標(biāo) 9
1.2.5 非高斯分布的控制限 11
參考文獻(xiàn) 11
第2章 單觀測空間的多元統(tǒng)計 14
2.1 主成分分析 14
2.1.1 PCA的數(shù)學(xué)原理 15
2.1.2 主成分提取算法 16
2.1.3 基于PCA的故障檢測 19
2.2 費(fèi)希爾判別分析 20
2.2.1 FDA的數(shù)學(xué)原理 20
2.2.2 FDA與PCA的比較 22
參考文獻(xiàn) 25
第3章 雙觀測空間的多元統(tǒng)計分析 27
3.1 典型相關(guān)分析 27
3.1.1 CCA的數(shù)學(xué)原理 27
3.1.2 基于特征值分解的CCA求解 29
3.1.3 基于SVD分解的CCA算法 29
3.1.4 基于CCA的故障檢測 30
3.2 偏最小二乘 31
3.2.1 PLS的數(shù)學(xué)基礎(chǔ) 32
3.2.2 PLS算法 32
3.2.3交叉驗(yàn)證 35
參考文獻(xiàn) 37
第4章 故障診斷的仿真平臺 38
4.1 TE過程 38
4.2 青霉素間歇發(fā)酵過程 41
4.3 基于PCA、CCA和PLS的故障檢測 43
4.4 基于FDA的故障分類 46
4.5 結(jié)論 48
參考文獻(xiàn) 49
第5章 多模態(tài)間歇過程的軟過渡PCA監(jiān)控 50
5.1 間歇過程多模態(tài)sub-PCA監(jiān)控方法 50
5.2 基于SVDD的動態(tài)軟過渡sub-PCA監(jiān)控 52
5.2.1 基于擴(kuò)展載荷矩陣的模態(tài)粗劃分 52
5.2.2 基于SVDD的模態(tài)細(xì)化分 54
5.2.3 軟過渡多模態(tài)的 PCA監(jiān)控模型 56
5.2.4 軟過渡主成分分析監(jiān)控程序 57
5.3 案例研究 59
5.3.1 模態(tài)識別與建模 59
5.3.2 正常批次的監(jiān)控 60
5.3.3 故障批次的監(jiān)控 61
5.4 結(jié)論 65
參考文獻(xiàn) 65
第6章 面向原始測量空間的統(tǒng)計分解與檢測 67
6.1 統(tǒng)計量分解 67
6.1.1 T2統(tǒng)計量分解 68
6.1.2 SPE統(tǒng)計量分解 69
6.1.3 面向原始測量空間的故障檢測 70
6.2 基于融合統(tǒng)計量的故障檢測 71
6.2.1 統(tǒng)計量融合設(shè)計 72
6.2.2 融合指標(biāo)的控制限 74
6.3 案例研究 75
6.3.1 基于兩個分解統(tǒng)計量的檢測 75
6.3.2 基于融合指標(biāo)的監(jiān)控 80
6.3.3 比較分析 83
6.4 結(jié)論 85
參考文獻(xiàn) 86
第7章 基于核費(fèi)希爾包絡(luò)分析的故障識別 87
7.1 基于KFEA的過程監(jiān)控 87
7.1.1 KFEA 87
7.1.2 檢測指標(biāo) 89
7.1.3 基于KFEA-PCA的間歇過程綜合診斷 91
7.2 基于KFEA-PCA的仿真實(shí)驗(yàn) 92
7.2.1 對已有故障類型的診斷效果 94
7.2.2 對未知故障類型的診斷效果 98
7.3 結(jié)論 101
參考文獻(xiàn) 101
第8章 基于局部特征相關(guān)性的故障診斷 103
8.1 基于KEDA的故障識別 104
8.1.1 KEDA 104
8.1.2 仿真實(shí)驗(yàn) 105
8.2 流形學(xué)習(xí)和判別分析融合的故障識別 110
8.2.1 LLEDA 111
8.2.2 NPEDA 113
8.2.3 基于LLEDA和NPEDA方法的故障診斷 116
8.2.4 基于LLEDA和NPEDA方法的故障診斷仿真研究 118
8.3 基于聚類-LLEDA的混合型故障檢測 121
8.3.1 混合型故障檢測方法 121
8.3.2 仿真研究 123
8.4 結(jié)論 129
參考文獻(xiàn) 129
第9章 全局與局部融合的潛結(jié)構(gòu)投影 131
9.1 全局結(jié)構(gòu)與局部結(jié)構(gòu)的融合動因 131
9.2 降維過程的數(shù)學(xué)描述 133
9.2.1 PLS目標(biāo)優(yōu)化 133
9.2.2 LPP與PCA優(yōu)化目標(biāo)相似性 134
9.3 GLPLS方法簡介 135
9.4 GPLPLS基本原理 136
9.4.1 GPLPLS模型 136
9.4.2 GPLPLS模型之間的關(guān)系 138
9.4.3 GPLPLS模型的主成分 140
9.5 基于GPLPLS的質(zhì)量監(jiān)控 141
9.5.1 基于GPLPLS的過程與質(zhì)量監(jiān)控 141
9.5.2 后驗(yàn)監(jiān)控評估 143
9.6 TE過程仿真分析 144
9.6.1 模型與討論 144
9.6.2 故障診斷分析 145
9.6.3 不同 GPLPLS模型的比較 151
9.7 結(jié)論 154
參考文獻(xiàn) 154
第10章 局部保持偏最小二乘回歸 157
10.1 PCA、PLS和LPP的關(guān)系 157
10.2 LPPLS模型及基于LPPLS的故障檢測 159
10.2.1 LPPLS模型 159
10.2.2 基于LPPLS的過程及質(zhì)量監(jiān)控 162
10.2.3局部保持能力分析 164
10.3案例研究 165
10.3.1 PLS、GLPLS和LPPLS模型 165
10.3.2 質(zhì)量監(jiān)控分析 167
10.4 結(jié)論 172
參考文獻(xiàn) 173
第11章 局部線性嵌入正交的潛結(jié)構(gòu)投影 174
11.1 GPLPLS、LPPLS和LLEPLS方法的比較 174
11.2 LLE概述 176
11.3 LLEPLS和基于LLEPLS的故障檢測 178
11.3.1 LLEPLS 178
11.3.2 基于 LLEPLS的過程監(jiān)控 180
11.4 LLEOPLS模型和基于LLEOPLS的故障檢測 181
11.5 案例研究 184
11.5.1 模型和討論 184
11.5.2 故障檢測分析 187
11.6 結(jié)論 192
參考文獻(xiàn) 193
第12章 新型魯棒潛結(jié)構(gòu)投影 195
12.1 魯棒PLS的發(fā)展 195
12.2 RSPCA介紹 197
12.3 L1 PLS基本原理 198
12.4 基于L1 PLS的監(jiān)控模型 200
12.5 TE過程仿真分析 203
12.5.1 主成分的魯棒性分析 203
12.5.2 預(yù)測和監(jiān)控性能的魯棒性 206
12.6 結(jié)論 218
參考文獻(xiàn) 218
第13章 基于離散變量的貝葉斯因果網(wǎng)絡(luò) 220
13.1 貝葉斯因果網(wǎng)絡(luò)的構(gòu)建 220
13.1.1 貝葉斯因果網(wǎng)絡(luò)的描述 221
13.1.2 因果結(jié)構(gòu)的構(gòu)建 221
13.1.3 因果網(wǎng)絡(luò)參數(shù)學(xué)習(xí) 224
13.2 基于因果圖模型的推理預(yù)測 225
13.3 實(shí)驗(yàn)驗(yàn)證 227
13.3.1 公開數(shù)據(jù)集案例 227
13.3.2 TE過程的報警預(yù)測 229
13.4 結(jié)論 235
參考文獻(xiàn) 235
第14章 基于連續(xù)變量的因果圖模型 237
14.1 因果圖模型的構(gòu)建 237
14.1.1 因果網(wǎng)絡(luò)拓?fù)錁?gòu)建 237
14.1.2 概率密度估計 238
14.1.3 核密度估計質(zhì)量的評價指標(biāo) 239
14.2 基于FLSA的動態(tài)閾值設(shè)定 241
14.3 正向故障診斷和反向推理 243
14.4 實(shí)驗(yàn)驗(yàn)證：TE過程 245
14.5 結(jié)論 248
參考文獻(xiàn) 248