新書推薦：
《
万千教育学前·与幼儿一起解决问题：捕捉幼儿园一日生活中的教育契机
》
售價：NT$
214.0
《
爱你，是我做过最好的事
》
售價：NT$
254.0
《
史铁生：听风八百遍，才知是人间（2）
》
售價：NT$
254.0
《
量子网络的构建与应用
》
售價：NT$
500.0
《
拍电影的热知识：126部影片里的创作技巧（全彩插图版）
》
售價：NT$
500.0
《
大唐名城：长安风华冠天下
》
售價：NT$
398.0
《
情绪传染（当代西方社会心理学名著译丛）
》
售價：NT$
403.0
《
中国年画 1950-1990 THE NEW CHINA: NEW YEAR PICTURE 英文版
》
售價：NT$
1100.0
|
| 編輯推薦： |
|
针对近几年复杂工业过程在线监测及故障诊断领域的热点问题，本书在统计学习、机器学习方法的基础上，为数据驱动的复杂工业过程的在线监测及故障诊断方法提供了较为完整的理论框架支撑及案例应用分析
|
| 內容簡介： |
|
本书为数据驱动的复杂工业过程的在线监测及故障诊断方法提供了较为完整的理论框架及案例应用分析。内容包括：大规模多单元过程的分布式监测、多模态工业过程在线监测、非线性过程在线监测、关键性能指标相关过程在线监测、动态时变工业工程在线监测、非稳态间歇过程在线监测、故障溯源诊断。本书要求读者具有一定的统计知识基础和机器学习相关知识，可供自动化相关领域的科研人员及工程技术人员参考，也可作为自动控制或信息科学等相关专业本科生及研究生的参考用书。
|
| 目錄：
|
第1章 概述 001
1.1 在线监测与故障诊断研究背景与意义 002
1.1.1 研究背景 002
1.1.2 研究意义 004
1.2 在线监测与故障诊断定义 004
1.2.1 什么是故障 004
1.2.2 过程监测定义 005
1.3 在线监测与故障诊断方法 007
1.3.1 基于知识的方法 007
1.3.2 基于解析模型的方法 008
1.3.3 基于数据驱动的方法 009
1.4 数据驱动在线监测与故障诊断发展现状 012
1.4.1 发展历史 012
1.4.2 研究现状及其存在的主要问题 013
参考文献 015
第2章 大规模多单元过程的分布式监测 021
2.1 大规模多单元过程定义和特性 022
2.2 大规模多单元过程监测研究现状 022
2.3 基于性能驱动的分块分布式监测方法 026
2.3.1 故障相关变量优选 026
2.3.2 故障相关变量优选分布式PCA故障检测 027
2.3.3 故障相关变量优选分布式PCA故障隔离 028
2.3.4 实验分析与结果讨论 030
2.4 基于变量相关关系分块的分布式监测方法 042
2.4.1 基于互信息与谱聚类分块的分布式监测方法 042
2.4.2 仿真案例及分析 046
2.5 基于正则化典型相关分析的分布式监测方法 058
2.5.1 相关基础知识 059
2.5.2 面向分布式故障检测的GA-正则化CCA 064
2.5.3 数值模拟案例和应用研究 068
参考文献 077
第3章 多模态工业过程在线监测 081
3.1 多模态过程定义和特性 082
3.2 多模态过程监测研究现状 082
3.2.1 多模型方法研究现状 083
3.2.2 单模型方法研究现状 085
3.3 离线模态划分与在线结果确定方法 086
3.3.1 增广矩阵和局部离群因子相结合的模态划分方法 090
3.3.2 时间窗口与递归局部离群因子相结合的模态划分方法 093
3.3.3 基于两步贝叶斯融合的模型整合策略 099
3.3.4 基于局部离群因子的模型选择策略 100
3.3.5 仿真案例及分析 101
3.4 多模态过程监测单模型方法 107
3.4.1 理论基础 108
3.4.2 时空局部保持协调方法 109
3.4.3 统计量及控制限 115
3.4.4 时空局部保持协调仿真案例及分析 116
参考文献 121
第4章 非线性过程在线监测 127
4.1 非线性过程定义与特征 128
4.2 基于并行PCA-KPCA的非线性过程监测方法 129
4.2.1 相关基础知识 129
4.2.2 基于P-PCA-KPCA的非线性过程监测 132
4.2.3 应用实例研究 136
4.3 基于局部加权典型相关分析的非线性过程监测方法 147
4.3.1 CCA故障检测基础知识 147
4.3.2 局部加权模型必要性分析 148
4.3.3 JITL-LWCCA过程监测 150
4.3.4 实验研究 152
4.4 基于独立-联合学习神经网络的非线性过程监测方法 164
4.4.1 SAE基础知识 165
4.4.2 动机和问题描述 166
4.4.3 基于IJL的监测 166
4.4.4 附注 169
4.4.5 实验研究与应用 171
参考文献 179
第5章 关键性能指标相关过程在线监测 185
5.1 关键性能指标监测意义 186
5.2 关键性能指标监测研究现状 187
5.2.1 关键性能指标预测 187
5.2.2 关键性能指标相关过程监测 188
5.3 多类型性能指标故障监测方法 191
5.3.1 关键性能指标加性故障监测方法 193
5.3.2 关键性能指标乘性故障监测方法 196
5.3.3 过程加性/乘性故障并行在线监测 198
5.3.4 关键性能指标加性/乘性故障监测仿真案例及分析 199
5.4 全流程过程关键性能指标监测方法 211
5.4.1 多子块独立元-主元回归方法 212
5.4.2 多子块独立元-主元回归方法仿真案例及分析 218
5.5 基于前处理的关键性能指标监测方法 227
5.5.1 问题描述 227
5.5.2 时序约束NPE方法描述 228
5.5.3 时序信息约束嵌入方法描述 231
5.5.4 指标相关特征提取方法 236
5.5.5 指标监测策略 238
5.5.6 基于前处理的关键性能指标监测方法实验案例分析 239
5.6 基于后处理的关键性能指标监测方法 248
5.6.1 问题描述 248
5.6.2 增强典型成分分析 249
5.6.3 算法分析 252
5.6.4 指标监测策略 254
5.6.5 基于后处理的指标相关过程监测方法实验案例分析 256
参考文献 269
第6章 动态时变工业工程在线监测 275
6.1 动态时变过程研究背景及现状 276
6.2 局部离群概率和局部离群因子 278
6.2.1 局部离群概率算法 278
6.2.2 局部离群因子算法 279
6.3 基于MWLOF和MWLoOP的故障检测算法 280
6.3.1 基于MWLOF的在线模型更新 281
6.3.2 基于MWLoOP的在线模型更新 284
6.4 基于MWLOF和MWLoOP的时变多工况过程故障检测 285
6.4.1 基于MWLOF算法的故障检测流程 286
6.4.2 基于MWLoOP算法的故障检测流程 287
6.5 仿真案例及分析 289
6.5.1 数值仿真应用研究 289
6.5.2 CSTR过程仿真应用研究 297
参考文献 310
第7章 非稳态间歇过程在线监测 313
7.1 非稳态间歇过程的特点与研究现状 314
7.2 基于时间片CCA的间歇过程关键单元监测方法 316
7.2.1 对于间歇过程基于时间片CCA的故障检测 316
7.2.2 时间片CCA故障检测方法的特点 319
7.2.3 应用案例 319
参考文献 328
第8章 故障溯源诊断 331
8.1 故障溯源诊断研究背景和意义 332
8.2 故障溯源诊断方法研究现状 333
8.3 基于贡献图的故障溯源诊断方法研究 334
8.3.1 基于主成分分析的故障检测 334
8.3.2 完全分解贡献图法 335
8.3.3 部分分解贡献图法 336
8.3.4 基于重构的贡献图法 337
8.3.5 仿真案例分析 338
8.4 基于传播演化路径的故障溯源诊断方法研究 342
8.4.1 贝叶斯网络 342
8.4.2 格兰杰因果关系检验 346
8.4.3 传递熵 349
8.4.4 仿真案例及分析 353
8.5 基于多块卷积变分信息瓶颈的故障诊断方法研究 364
8.5.1 概述 364
8.5.2 基于过程机理的变量分块方法 365
8.5.3 并行多块1-D CNN建模策略 366
8.5.4 变分信息瓶颈模型 367
8.5.5 基于MBCVIB的故障诊断方法 368
8.5.6 仿真实验与分析 370
8.6 针对大规模工业过程故障诊断的多块自适应卷积核神经网络 375
8.6.1 概述 375
8.6.2 过程分解 377
8.6.3 过程预处理 377
8.6.4 特征提取 377
8.6.5 特征加权 378
8.6.6 模型训练和故障诊断 379
8.6.7 仿真实验及分析 380
参考文献 387
|
| 內容試閱：
|
现代工业过程生产线自动化程度高且生产强度大，生产对象动力学特性复杂，过程变量间耦合严重，干扰因素影响普遍存在，具有复杂能量和物质回流等典型特点。对于现代工业过程而言，过程操作变量的波动、微小的故障就可能引起连锁反应，通常会导致生产装置工况的劣化。在极端情况下，局部故障在生产流程中传播并演化，会造成生产单元、装置操作状态的恶化，导致生产装置停车、失火、爆炸等事故，严重时甚至造成人身伤亡等恶性事件。
现代工业过程机理复杂、物性参数众多，精确机理建模面临巨大困难，模型的复杂性导致求解困难，限制了基于机理模型方法的应用。随着信息感知技术的快速发展，先进传感设备及数据库技术的应用，为实时监控工业过程系统工况运行效果的提高提供了坚实的物质基础和更加有效的技术手段，为大数据驱动的在线监测、故障溯源诊断带来了机遇。
针对近几年复杂工业过程在线监测及故障诊断领域的热点问题，本书在统计学习、机器学习方法的基础上，为数据驱动的复杂工业过程的在线监测及故障诊断方法提供了较为完整的理论框架及案例应用分析，包括概述、大规模多单元过程的分布式监测、多模态工业过程在线监测、非线性过程在线监测、关键性能指标相关过程在线监测、动态时变工业过程在线监测、非稳态间歇过程在线监测、故障溯源诊断。
本书可作为自动控制或信息科学等相关专业本科生及研究生扩充知识领域的教学用书及参考用书，同时也对从事自动化相关领域的科研人员及工程技术人员具有一定的参考价值。本书要求读者具有一定的统计知识基础和机器学习相关知识。希望本书在帮助读者了解工业过程在线监测与故障诊断的同时，能够为相关领域的工作者进行工业过程监控系统开发时提供借鉴。
本书由华东理工大学自动化系侍洪波教授、姜庆超副教授、宋冰副教授共同编写。由于作者水平有限，书中难免会有疏漏之处，敬请同行和读者不吝赐教，我们当深表感谢。
著者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
