本书阐述数据驱动的工业过程监控与故障诊断的理论与应用方法，主要内容包括：过程监控必要的基础知识、常见测量方法、检测指标、控制限设计和仿真平台；面向间歇过程的故障检测方法，包括软过渡PCA监控、基于核费希尔包络分析的故障识别、基于局部特征相关性的故障诊断；面向质量监控的全局与局部特征融合的故障诊断方法，包括基于全局加局部偏最小二乘模型、局部保持偏最小二乘模型、局部线性嵌入潜结构偏最小二乘的投影模型和鲁棒L1偏最小二乘模型的多种质量监控方法；面向故障溯源的数据与机理融合诊断方法，包括基于贝叶斯因果模型的离散系统故障预测与溯源方法、基于连续变量的故障溯源与定位方法。
更多科学出版社服务，请扫码获取。
Jing Wang, Zhenlin Wang, Meng Zhou, Adaptive event-triggered finite-frequency fault detection with zonotopic threshold analysis for LPV systems, IEEE Transactions on Cybernetics, 10.1109/TCYB.2021.3054633 2021, (JCR1区, 11.53)
目录
“信息科学技术学术著作丛书”序
前言
第1章 背景 1
1.1 引言 1
1.1.1 过程监控方法 1
1.1.2 基于多元统计分析的过程监控 3
1.2 故障检测指标 5
1.2.1 T2统计 5
1.2.2 平方预测误差 8
1.2.3 马哈拉诺比斯距离 9
1.2.4 综合指标 9
1.2.5 非高斯分布的控制限 11
参考文献 11
第2章 单观测空间的多元统计 14
2.1 主成分分析 14
2.1.1 PCA的数学原理 15
2.1.2 主成分提取算法 16
2.1.3 基于PCA的故障检测 19
2.2 费希尔判别分析 20
2.2.1 FDA的数学原理 20
2.2.2 FDA与PCA的比较 22
参考文献 25
第3章 双观测空间的多元统计分析 27
3.1 典型相关分析 27
3.1.1 CCA的数学原理 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的故障检测 30
3.2 偏最小二乘 31
3.2.1 PLS的数学基础 32
3.2.2 PLS算法 32
3.2.3交叉验证 35
参考文献 37
第4章 故障诊断的仿真平台 38
4.1 TE过程 38
4.2 青霉素间歇发酵过程 41
4.3 基于PCA、CCA和PLS的故障检测 43
4.4 基于FDA的故障分类 46
4.5 结论 48
参考文献 49
第5章 多模态间歇过程的软过渡PCA监控 50
5.1 间歇过程多模态sub-PCA监控方法 50
5.2 基于SVDD的动态软过渡sub-PCA监控 52
5.2.1 基于扩展载荷矩阵的模态粗划分 52
5.2.2 基于SVDD的模态细化分 54
5.2.3 软过渡多模态的 PCA监控模型 56
5.2.4 软过渡主成分分析监控程序 57
5.3 案例研究 59
5.3.1 模态识别与建模 59
5.3.2 正常批次的监控 60
5.3.3 故障批次的监控 61
5.4 结论 65
参考文献 65
第6章 面向原始测量空间的统计分解与检测 67
6.1 统计量分解 67
6.1.1 T2统计量分解 68
6.1.2 SPE统计量分解 69
6.1.3 面向原始测量空间的故障检测 70
6.2 基于融合统计量的故障检测 71
6.2.1 统计量融合设计 72
6.2.2 融合指标的控制限 74
6.3 案例研究 75
6.3.1 基于两个分解统计量的检测 75
6.3.2 基于融合指标的监控 80
6.3.3 比较分析 83
6.4 结论 85
参考文献 86
第7章 基于核费希尔包络分析的故障识别 87
7.1 基于KFEA的过程监控 87
7.1.1 KFEA 87
7.1.2 检测指标 89
7.1.3 基于KFEA-PCA的间歇过程综合诊断 91
7.2 基于KFEA-PCA的仿真实验 92
7.2.1 对已有故障类型的诊断效果 94
7.2.2 对未知故障类型的诊断效果 98
7.3 结论 101
参考文献 101
第8章 基于局部特征相关性的故障诊断 103
8.1 基于KEDA的故障识别 104
8.1.1 KEDA 104
8.1.2 仿真实验 105
8.2 流形学习和判别分析融合的故障识别 110
8.2.1 LLEDA 111
8.2.2 NPEDA 113
8.2.3 基于LLEDA和NPEDA方法的故障诊断 116
8.2.4 基于LLEDA和NPEDA方法的故障诊断仿真研究 118
8.3 基于聚类-LLEDA的混合型故障检测 121
8.3.1 混合型故障检测方法 121
8.3.2 仿真研究 123
8.4 结论 129
参考文献 129
第9章 全局与局部融合的潜结构投影 131
9.1 全局结构与局部结构的融合动因 131
9.2 降维过程的数学描述 133
9.2.1 PLS目标优化 133
9.2.2 LPP与PCA优化目标相似性 134
9.3 GLPLS方法简介 135
9.4 GPLPLS基本原理 136
9.4.1 GPLPLS模型 136
9.4.2 GPLPLS模型之间的关系 138
9.4.3 GPLPLS模型的主成分 140
9.5 基于GPLPLS的质量监控 141
9.5.1 基于GPLPLS的过程与质量监控 141
9.5.2 后验监控评估 143
9.6 TE过程仿真分析 144
9.6.1 模型与讨论 144
9.6.2 故障诊断分析 145
9.6.3 不同 GPLPLS模型的比较 151
9.7 结论 154
参考文献 154
第10章 局部保持偏最小二乘回归 157
10.1 PCA、PLS和LPP的关系 157
10.2 LPPLS模型及基于LPPLS的故障检测 159
10.2.1 LPPLS模型 159
10.2.2 基于LPPLS的过程及质量监控 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 质量监控分析 167
10.4 结论 172
参考文献 173
第11章 局部线性嵌入正交的潜结构投影 174
11.1 GPLPLS、LPPLS和LLEPLS方法的比较 174
11.2 LLE概述 176
11.3 LLEPLS和基于LLEPLS的故障检测 178
11.3.1 LLEPLS 178
11.3.2 基于 LLEPLS的过程监控 180
11.4 LLEOPLS模型和基于LLEOPLS的故障检测 181
11.5 案例研究 184
11.5.1 模型和讨论 184
11.5.2 故障检测分析 187
11.6 结论 192
参考文献 193
第12章 新型鲁棒潜结构投影 195
12.1 鲁棒PLS的发展 195
12.2 RSPCA介绍 197
12.3 L1 PLS基本原理 198
12.4 基于L1 PLS的监控模型 200
12.5 TE过程仿真分析 203
12.5.1 主成分的鲁棒性分析 203
12.5.2 预测和监控性能的鲁棒性 206
12.6 结论 218
参考文献 218
第13章 基于离散变量的贝叶斯因果网络 220
13.1 贝叶斯因果网络的构建 220
13.1.1 贝叶斯因果网络的描述 221
13.1.2 因果结构的构建 221
13.1.3 因果网络参数学习 224
13.2 基于因果图模型的推理预测 225
13.3 实验验证 227
13.3.1 公开数据集案例 227
13.3.2 TE过程的报警预测 229
13.4 结论 235
参考文献 235
第14章 基于连续变量的因果图模型 237
14.1 因果图模型的构建 237
14.1.1 因果网络拓扑构建 237
14.1.2 概率密度估计 238
14.1.3 核密度估计质量的评价指标 239
14.2 基于FLSA的动态阈值设定 241
14.3 正向故障诊断和反向推理 243
14.4 实验验证：TE过程 245
14.5 结论 248
参考文献 248
书单推荐
