數(shù)據(jù)驅動的工業(yè)過程監(jiān)測與故障診斷

第1章數(shù)據(jù)驅動的過程監(jiān)測和故障診斷概述/1
1.1研究背景與意義/1
1.2國內外研究現(xiàn)狀/3
1.2.1工業(yè)過程故障檢測研究現(xiàn)狀/3
1.2.2工業(yè)過程故障診斷研究現(xiàn)狀/8
1.3本書內容/9
本章參考文獻/10
第2章工業(yè)數(shù)據(jù)分析的基本理論與方法/18
2.1引言/18
2.2數(shù)據(jù)處理方法/19
2.2.1數(shù)據(jù)的標準化/19
2.2.2基于稀疏字典學習的特征提取/21
2.2.3基于非對稱加權DTW的非線性整定/23
2.2.4基于CA的特征提取/25
2.3數(shù)據(jù)驅動的故障檢測方法/26
2.3.1基于PCA的故障檢測方法/26
2.3.2基于SFA的故障檢測方法/29
2.4數(shù)據(jù)驅動的故障診斷方法/31
2.4.1基于RBC的故障診斷方法/31
2.4.2基于貝葉斯決策的故障診斷方法/33
2.4.3基于CNN的故障分類方法/35
2.5結束語/37
本章參考文獻/37
數(shù)據(jù)驅動的工業(yè)過程監(jiān)測與故障診斷目錄第3章基于時間加權核稀疏表示方法的非線性多模態(tài)過程實時監(jiān)測/40
3.1引言/40
3.2時間加權核稀疏表示/41
3.2.1模型構建/41
3.2.2優(yōu)化求解/43
3.2.3收斂性分析/44
3.2.4復雜度分析/45
3.3多模態(tài)過程離線建模/45
3.3.1離線模態(tài)辨識/45
3.3.2字典更新/46
3.4多模態(tài)過程在線監(jiān)測/47
3.4.1在線模態(tài)辨識/47
3.4.2在線故障檢測/48
3.4.3非線性多模態(tài)過程監(jiān)測框架/49
3.5案例研究/49
3.5.1數(shù)值仿真/49
3.5.2污水處理過程/52
3.6結束語/56
本章參考文獻/57
第4章基于軌跡的過渡模態(tài)辨識與操作異常監(jiān)測/60
4.1引言/60
4.2基于軌跡的過渡模態(tài)辨識與過程監(jiān)測/61
4.2.1基于最慢慢特征的過渡模態(tài)辨識/62
4.2.2基于軌跡的過程建模與故障檢測/63
4.3多模態(tài)操作故障的定義/65
4.4案例研究/67
4.4.1數(shù)值仿真研究/67
4.4.2TE過程仿真研究/72
4.5結束語/83
本章參考文獻/84
第5章基于非對稱加權動態(tài)時間規(guī)整的非平穩(wěn)過程監(jiān)測/86
5.1引言/86
5.2過程數(shù)據(jù)整定/87
5.2.1基于投影規(guī)則的過程數(shù)據(jù)在線整定/87
5.2.2約束設定/90
5.3在線過程監(jiān)測/92
5.3.1基于近鄰相似度變化率的監(jiān)控指標/92
5.3.2基于尾端計次的監(jiān)控指標/95
5.3.3操作步驟/96
5.4案例研究/96
5.4.1TE過程仿真案例/96
5.4.2半導體刻蝕過程實例/104
5.5結束語/106
本章參考文獻/107
第6章多操作階段的全流程工業(yè)過程廣義監(jiān)測/109
6.1引言/109
6.2基于平穩(wěn)映射的全流程工業(yè)過程廣義監(jiān)測/111
6.2.1基于變量間相關性的階段辨識/111
6.2.2基于平穩(wěn)映射的離線建模/114
6.2.3基于局部思想的在線監(jiān)測/115
6.2.4算法流程/117
6.3連續(xù)與間歇工業(yè)過程案例應用/119
6.3.1拓展TE過程仿真/119
6.3.2青霉素發(fā)酵過程/125
6.4結束語/132
本章參考文獻/132
第7章基于貝葉斯與多維重構貢獻的故障變量溯源/135
7.1引言/135
7.2參數(shù)估計與非參數(shù)估計/136
7.3特征屬性及其類條件概率密度函數(shù)/137
7.4貝葉斯理論與多維重構貢獻的融合/140
7.5基于貝葉斯與多維重構的故障變量溯源/141
7.6案例研究/143
7.6.1數(shù)值仿真/143
7.6.2TE過程性能監(jiān)控/147
7.6.3CSTR過程性能監(jiān)控/152
7.7結束語/155
本章參考文獻/156
第8章基于類間差異分析的故障變量溯源/158
8.1引言/158
8.2基于類間差異分析與多維重構貢獻的故障變量溯源/159
8.2.1基于PCA的類間差異分析/159
8.2.2基于FDA的類間差異分析/160
8.2.3基于類間差異分析的故障變量溯源/163
8.3案例研究/164
8.3.1數(shù)值仿真/164
8.3.2TE過程/165
8.4結束語/170
本章參考文獻/171
第9章基于深度學習的工業(yè)過程故障分類/173
9.1引言/173
9.2MHSENet模型架構/174
9.3工業(yè)空調系統(tǒng)案例研究/176
9.3.1工業(yè)空調系統(tǒng)案例數(shù)據(jù)介紹/176
9.3.2工業(yè)空調系統(tǒng)故障分類模型的建立方法/177
9.3.3實驗結果及分析/178
9.4TE過程案例研究/180
9.4.1TE過程數(shù)據(jù)集介紹/180
9.4.2實驗結果與分析/181
9.5結束語/184
本章參考文獻/184
第10章工業(yè)過程零樣本故障辨識/187
10.1引言/187
10.2問題定義/189
10.3特征提取/189
10.3.1卷積模塊/190
10.3.2多任務學習/191
10.3.3故障辨識/192
10.3.4零樣本故障辨識方法框架/193
10.4TE過程案例研究/194
10.4.1模型建立方法/196
10.4.2多任務學習的影響分析/197
10.4.3實驗結果與分析/197
10.5工業(yè)空調系統(tǒng)案例研究/199
10.5.1工業(yè)空調系統(tǒng)的故障屬性/200
10.5.2實驗結果與分析/201
10.6結束語/202
本章參考文獻/202
第11章基于脈沖特征和似然概率比較的健康預警/205
11.1引言/205
11.2基于離散小波變換的脈沖特征提取/206
11.2.1離散小波變換/206
11.2.2脈沖特征提取/207
11.3基于似然概率比較的退化點檢測/208
11.3.1指數(shù)韋布爾分布擬合/208
11.3.2似然概率比較預警方法/209
11.4實驗驗證/210
11.4.1ADSCI特征提取/211
11.4.2軸承預警結果/214
11.4.3預警結果對比/220
11.5結束語/221
本章參考文獻/222
第12章可視化工業(yè)產品多級能力分析/224
12.1引言/224
12.2基于多元分布特征的數(shù)據(jù)擴充/226
12.3可視化分級模型/228
12.4PCI的構建/232
12.5案例研究/235
12.6結束語/242
本章參考文獻/243