本书介绍了数据驱动的故障诊断理论，内容涉及故障诊断方法的数学基础、理论分析和应用集成，涵盖了所有经典的数据驱动故障诊断方法和部分最新的非预期故障诊断方法：包括矩阵分析基础、数理统计基础、数据驱动故障诊断基础、平滑预处理方法、时序建模方法、静态数据驱动设计与评估、动态数据驱动设计与评估、动态模型非预期故障诊断与可视化。应用集成包括：非预期故障诊断工具箱设计。
更多科学出版社服务，请扫码获取。
目录
前言
第1章 非预期故障诊断概述 1
1.1 背景与意义 1
1.1.1 背景 1
1.1.2 意义 2
1.2 国内外研究现状 3
1.2.1 非预期故障诊断的方法 3
1.2.2 非预期故障诊断的应用 6
1.3 全书概况 8
1.3.1 问题引出 8
1.3.2章节安排 8
第2章 矩阵分析 11
2.1 矩阵和运算 11
2.1.1 矩阵 11
2.1.2 矩阵的运算 12
2.1.3 矩阵的数值特征 12
2.1.4 矩阵表示方程 13
2.2 正交矩阵 14
2.2.1 反射 15
2.2.2 旋转 16
2.3 矩阵分解 17
2.3.1 QR分解 17
2.3.2 奇异值分解 18
2.3.3 广义特征值分解 22
2.4 线性方程组的解 25
2.4.1 广义逆 25
2.4.2 线性方程的解 26
2.4.3 条件数和方程解的稳定性 27
2.5 分块矩阵的逆 29
2.5.1 分块初等矩阵 29？
2.5.2 分块矩阵的逆 29
2.5.3 分块矩阵的广义逆 31
2.5.4 分块矩阵的行列式 31
2.6 算法浮点数 32
2.6.1 矩阵乘法 32
2.6.2 QR分解 32
2.6.3 奇异值分解 33
2.6.4 广义逆 33
2.7 投影矩阵 34
2.7.1 正交投影 34
2.7.2 斜投影 35
2.7.3 投影递归公式 37
2.8 矩阵的迹 43
2.8.1 迹的微分公式 43
2.8.2 迹的不等式 44
第3章 数理统计 46
3.1 数值特征 46
3.1.1 随机向量 46
3.1.2 样本矩阵 49
3.1.3 递归公式 51
3.2 正态分布的导出分布 51
3.2.1 正态分布 51
3.2.2 随机矩阵 53
3.2.3 四种常用的导出分布 55
3.2.4 假设检验 59
3.3 参数估计性能评估 61
3.3.1 G-M定理 61
3.3.2 原模型和潜模型 63
3.3.3 有偏估计的性能评估 64
3.3.4 融合估计的性能评估 67
3.4 状态估计性能评估 69
3.4.1 单信息最优估计 69
3.4.2 多信息最优估计 72
3.4.3 Kalman滤波公式 74？
第4章 故障诊断基本方法 77
4.1 变化及其类型 78
4.1.1 确定型变化和随机型变化 78
4.1.2 微小变化和巨大变化 78
4.1.3 单变量变化和多变量变化 79
4.1.4 输入变化和输出变化 79
4.1.5 加性变化和乘性变化 79
4.2 故障和故障诊断 79
4.2.1 故障和故障类型 79
4.2.2 故障诊断 80
4.2.3 故障诊断性能评估 81
4.3 单变量故障检测的基本方法 82
4.3.1 休哈特检测法 82
4.3.2 累积和检测法 85
4.3.3 指数加权平均检测法 87
4.3.4 未知参数下的检测方法 89
4.3.5 随机故障检测方法 92
4.4 多变量故障检测的基本方法 94
4.4.1 数值特征已知 94
4.4.2 数值特征未知 95
4.4.3 多变量空间分解检测方法 96
4.5 故障隔离的基本方法 98
4.5.1 基于距离的隔离方法 99
4.5.2 基于夹角的隔离方法 101
4.6 基于贡献的故障隔离方法 102
第5章 非预期故障诊断的通用过程模型 105
5.1 非预期故障诊断的数学描述 105
5.2 四层结构通用过程模型 106
5.3 基于单类多元统计分析的非预期故障诊断流程 109
5.4 仿真验证及结果分析 114
5.4.1 诊断对象及数据说明 114
5.4.2 诊断结果及分析 116
5.5 结论 119？
第6章 基于平滑预处理的非预期故障诊断方法 120
6.1 引言 120
6.2 非平稳数据的平滑预处理 120
6.2.1 趋势和残差 120
6.2.2 边界处理技术 122
6.2.3 平滑预处理对故障诊断的影响 122
6.3 基于平滑预处理的非预期故障诊断流程 124
6.3.1 预期故障检测 125
6.3.2 预期故障隔离 125
6.3.3 非预期故障检测 126
6.3.4 非预期故障隔离 128
6.4 仿真验证及结果分析 129
6.4.1 诊断对象及数据说明 129
6.4.2 平滑预处理 130
6.4.3 诊断结果及分析 132
6.5 结论 136
第7章 基于时序建模的故障检测方法 138
7.1 引言 138
7.2 基于时序建模的改进检测统计量 139
7.2.1 标准检测统计量 139
7.2.2 改进检测统计量 140
7.2.3 结构比较 142
7.2.4 改进检测统计量的性能分析 143
7.3 改进检测统计量的增量/减量算法 144
7.3.1 暴力算法 145
7.3.2 减量算法 145
7.3.3 算法的复杂度对比分析 149
7.4 仿真验证及结果分析 149
7.4.1 案例1:单输入单输出 (SISO) 149
7.4.2 案例2:卫星姿态控制系统 (SACS) 152
7.5 结论 153
第8章 静态模型故障检测方法评估 155
8.1 引言 155
8.2 静态模型检测基本方法 156
8.2.1 模型已知 156？
8.2.2 模型未知 157
8.3 潜变量回归与检测的权框架 159
8.3.1 潜变量提取 160
8.3.2 潜变量回归 160
8.3.3 潜变量检测 162
8.3.4 故障诊断性能评估 163
8.3.5 小结 163
8.4 潜变量的提取和权矩阵的计算 165
8.4.1 主元分析和主元回归 165
8.4.2 典型相关分析和典型相关回归 165
8.4.3 偏最小二乘和偏最小二乘回归 167
8.4.4 降秩回归 168
8.4.5 小结 169
8.5 潜变量回归与检测的性能分析与评估 170
8.5.1 参数定理 170
8.5.2 校正定理 172
8.5.3 检测定理 174
8.6 仿真验证及结果分析 175
8.6.1 案例1:多输入单输出 (MISO) 176
8.6.2 案例2:多输入多输出 (MIMO) 180
8.6.3 案例3:田纳西{伊斯曼过程 (TEP) 181
8.6.4 案例4:近红外反射 (NIR) 184
8.7 结论 186
第9章 动态模型非预期故障诊断与可视化 187
9.1 引言 187
9.2 动态模型检测基本方法 187
9.2.1 模型已知 190
9.2.2 模型未知 190
9.3 动态系统的非预期故障诊断 193
9.3.1 预期故障隔离 193
9.3.2 非预期故障检测 195
9.3.3 非预期故障隔离 196
9.4 故障的最优可视化算法 196
9.5 仿真验证及结果分析 199
9.5.1 诊断对象和数据说明 199？
9.5.2 非预期故障诊断流程 199
9.5.3 故障的最优可视化 202
9.6 结论 203
第10章 非预期故障诊断工具箱设计 204
10.1 引言 204
10.2 工具箱的特点与理念 204
10.2.1 非预期故障诊断功能和可视化 204
10.2.2 基于模型故障诊断的数据驱动设计方法 205
10.2.3 残差生成的稳定核表示 205
10.2.4 丰富的标称数据和验证模型 208
10.3 工具箱的设计与实现 208
10.3.1 方法选择和参数设置 209
10.3.2 数据导入和预处理 209
10.3.3 故障诊断和可视化 210
10.3.4 工具箱常用的 MATLAB 命令 210
10.4 工具箱的演示 212
10.5 结论 214
参考文献 215
索引 224
书单推荐
